مدلسازی روابط کمی ساختار – فعالیت بازدارنده خوردگی برای خوردگی آلومینیوم

در این تحقیق بمنظور مطالعه ارتباط ما بین فعالیت بازدارنده خوردگی شیفبازها (درمورد آلومینیوم) وساختار آنها، انواع مولکولهای شیف باز و دادههای تجربی (درصد بازدارندگی شیفبازها) همراه با دمای محیط زمانpHو غلظت بازدارنده ازمنابع استخراج شده است و مولکولهای آنها بتوسط نرم افزارHyperchemرسم وبهینه شده است. سپس توسط نرم افزار 3Dragonتعداد 1497 توصیفگر برای هر مولکول شیفباز بدست آمده است. به دلیل تعداد زیاد توصیفگرها تعدادی از آنها توسط روش آنالیز اجزاء اصلی کاهش داده شدهاند. دادههای حاصل بوسیله شبکه عصبی مصنوعی و رگرسیون خطی چندگانه و روش رگرسیون درجه دوم چندگانه مدلسازیشدهاند. بعد از مدلسازی و محاسبه ضریب همبستگی و مقادیر خطاها، نتایج نشان داد که مدلسازی توسطرگرسیون خطی چندگانه و رگرسیون درجه دوم چندگانه با ضریب همبستگی بترتیب برابر 0/5193و0/5068 (بین دادههای واقعی و دادههای حاصل از این مدلها) نمیتواند کارآیی این مدلها را در برقراری روابط کمی ساختار- فعالیت (بازدارندگی شیفبازها برای خوردگی آلومینیوم) را تایید کند. اما مدلسازی با شبکه عصبیمصنوعی ضریب همبستگی0/9069را نشان میدهد که تأیید بر غیرخطی بودن ارتباط مابین ساختار ترکیبات شیفبازها و فعالیت (بازدارنده خوردگی) آنها برای آلومینیوم میباشد. نتایج بدست آمده نشان میدهد مدلسازی بوسیله شبکه عصبی مصنوعی ضریب همبستگی بالا و خطای بسیار پایینتری نسبت به رگرسیون خطی چندگانه ورگرسیون درجه دوم چندگانه دارد. با توجه به نتایج بدست آمده شبکه عصبی مصنوعی میتواند بهعنوان مدلی در پیشبینی درصد بازدارندگی شیفبازها برای خوردگی آلومینیوم بکار گرفته شود.