مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی
محل انتشار: هشتمین کنگره ملی مهندسی شیمی ایران
سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,285
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICEC08_288
تاریخ نمایه سازی: 8 اسفند 1386
چکیده مقاله:
مدل های (Quantitative Structure-Property Relationship) QSPR راهکاری برای پیشگویی خواص ترکیبات آلی بر مبنای ساختار مولکولی می باشند . مزیت چنین مدلهایی در بی نیازی به داده های تجربی دیگر جهت پیشگویی خواص مورد نظر و کاربرد آنها برای حتی ترکیباتی است که ممکن است هنوز سنتز نشده باشند . در مقاله حاضر مدلی جهت پیشگویی ثابت قانون
هنری ترکیبات آلی در آب که کاربرد گسترده ای در مهندسی محیط زیست دارند، ارائه شده است . از توصیفگرهای مولکولی صر ف اً محاسباتی بعنوان ورودی های مدل و از ابزار قدرتمند شبکه های عصب مصنوعی ( پرسپترونهای چند لایه ای ) جهت توسعه مدل غیرخطی استفاده شده است . مدل اخیر بر مب نای داده های تجربی ثابت هنری ١٣٧ ترکیب آلی متعدد بدست آمده است . مجذور میانگین مربعات خطاهای (RMS) برابر ٠/١١ ، ٠/٤٣ و ٠/١٨ برای بترتیب داده های آموزشی، ارزیابی و کلی با معماری شبکه عصب مصنوعی١ - ١٥-١١-٦ بدست آمد . نتایج محاسبات و مقایسه آنها با چهار مدل پیشین نیز آورده شده است
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :