پیش بینی دمای ذوب ترکیبات آلی با استفاده از شبکه عصبی

دمای ذوب یک خاصیت فیزیکی است که دمای انتقال فاز از جامد به مایع را تعیین می کند. موثرترین روشی که برای پیش بینی دمای ذوب ترکیبات آلی بکار می رود، رابطه کمیتی ساختار- خواص نام دارد.این روش براساس ارتباط بین مقادیر تجربی خواص و توصیف کننده های مولکولی، که از ساختار شیمیایی یک مولکول بدست می آیند، عمل می کند. از دو مدل پرسپترون یکنواخت چند لایه و پرسپترون چند لایه با استفاده از شبکه عصبی مصنوعی در محیط نرم افزاری R و متلب برای پیش بینی دمای ذوب 962 ترکیب آلی استفاده شد. 20% از داده ها برای اعتبار سنجی، 60% برای آموزش و 20% برای آزمایش شبکه بکار گرفته شد. بهترین نتیجه زمانی حاصل شد که از شبکه عصبی پرسپترون یکنواخت چند لایه و محیط نرم افزار R استفاده شود. جذر میانگین مربعات خطای این مدل،26.969 درجه سلسیوس و ضریب همبستگی 0.7106 بدست آمد.

کلیدواژه ها:

دمای ذوب ، رابطه کمیتی ساختار- خواص ، پرسپترون یکنواخت چند لایه ، پرسپترون چند لایه ، شبکه عصبی مصنوعی