سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی

Publish Year: 1382
Type: Conference paper
Language: Persian
View: 3,355

This Paper With 13 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

NICEC08_288

Index date: 27 February 2008

مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی abstract

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

مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی Keywords:

مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی authors

حسن مدرسی

دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر

حمید مدرس

دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
R.A. Brennan, N _ N i ra lakhandan and R.E. ...
Coefficients of Organic Chemicals" , Wat. Res., Vol. 32, No. ...
Shiang-Tai Lin, Stanley I. ...
Multipole Corrections" , Chem. Eng. Sci., Vol. 57, pp. 2727-2733, ...
J.M. Prausnitz, R.N. L ichtenthaler, E. Gomes de Azevedo, "Molecular ...
Equilibria", Prentice-Hall Inc., 1986. ...
P _ C .N.Ayuttaya, T.N. Roger, ...
M.E.Mullins, A.A. Kline, "Henry's Law Constants Derived from Equilibrium Static ...
Britta G. Bierwagen and Arturo A. Keller, "Measurment of Henry's ...
J.Altschuh, R. Bruggemann, H.Santl, G.Eichinger, and _ _ G.Piringer, "Henry's ...
N _ N i r alakhandan, R.A. Brennan, and R.E. ...
Temperature _ Henry's Law Constant", Wat. Res., Vol. 31, No. ...
Hine j. and Mookerjee P.K., "The Intrinsic Hydrophilic Character of ...
Lin S.T., and Sandler S.I., "Multipole C orrections to Account ...
Coefficients", J. of Physical Chemistry, Vol. 104, No. 30, pp. ...
Meylan W.M. and Howard P.H., "Bond C ontribution Metlod for ...
Chemistry, Vol. 10, pp. 1283-1293, 1991. ...
Abraham M.H. , Andonian- Haftvan J., Whiting G.S., Leo A. ...
"Hydrogen Bonding Part 34. The Factors tlat Influence the Solubility ...
Nirmal akhandan N., and Speece R.E., "QSAR Model for Predicting ...
M. Karelson and V.S. Labanov, " Quantum- Chemical Descriptors in ...
QSAR/QSPR Studies", Chem. Rev., Vol. 96, pp. 1027-1043, 1996. ...
Simon Haykin, :Neural Networks; A C omprehensive Foundation , Print- ...
Dragon Web Version 3.0-2003 Software in QSAR and Chemometric s ...
via Pisani, 13-20124 Milano, Italy ...
نمایش کامل مراجع

مقاله فارسی "مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی" توسط حسن مدرسی، دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر؛ حمید مدرس، دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر نوشته شده و در سال 1382 پس از تایید کمیته علمی هشتمین کنگره ملی مهندسی شیمی ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله شبکه های عصب مصنوعی؛ ثابت قانون هنری؛ مکانیک کوانتومی؛ QSPR هستند. این مقاله در تاریخ 8 اسفند 1386 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 3355 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . برای دانلود فایل کامل مقاله مدل QSPR برای پیشگویی ثابت قانون هنری ترکیبات آلی در آب با استفاده از شبکه عصب مصنوعی با 13 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.