ایجاد یک مدل QSPR برای پیش بینی نقطه جوش ترکیبات آلی

براساس اهمیت پیش بینی نقطه جوش ترکیبات الی دراین مقاله سعی شد که برای دسته وسیعی از ترکیبات آلی مدل مناسبی که توانایی پیش بینی نقاط جوش را در حد مطلوبی داشته باشد ارایه شود برای این منظور 200 ترکیب الی انتخاب و برای توصیف ساختار آنها 251 توصیف کننده استفاده گردید این دسته داده ها به دو دسته آموزش و دسته تست به ترتیب با اندازه های 150 و 50 تقسیم بندی شد روشهای مختلفی در انتخاب دسته آموزش به کار گرفته شد که عبارتنداز: روش k-means، روش SPXY روش رنگینگ و اسکورپلات سپس با استفاده از تکنیک انتخاب متغیر مرحله ای توصیف کننده های مهمتر انتخاب و به کمک روش رگرسیون خطی چند گانه MLR بین این توصیف کننده ها و نقط ه جوش مدلسازی انجام شد. مقایسه نتایج بدست آمده از روش K-means ، SPXY رنکینگ و اسکوپلات نشان داد که مدل SPXY نتایج بهتری نسبت به سایر مدلها دارد مقادیر R2 برای سری تست 0/8887 و سری آموزش 0/7245 می باشد.

Keywords:

رابطه کمی ساختار , خاصیت , رگرسیون خطی چند گانه , توصیف کننده , نقطه جوش