مدلسازی و پیش بینی فاکتور بازداری یک سری از ترکیبات آلی با استفاده اصول QSRR در کروماتوگرافی سیال فوق بحرانی
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,759
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CHEMISTRYMED01_033
تاریخ نمایه سازی: 30 فروردین 1388
Abstract:
در این پژوهش ارتباط کمی ساختار فعالیت برای مدلسازی و پیش بینی فاکتور ظرفیت ('k ) در کروماتوگرافی سیال فوق بحرانی(SFC) به کار رفته است. در ابتدا مولکول هایی به عنوان سری داده ها انتخاب شدند و سپس این مولکولها به طور تصادفی به سه دسته تقسیم شدند: سری آموزشی، پیش بینی و آزمایشی. به کمک روش های انتخاب متغیر.توصیف کننده های مهمتر انتخاب و سپس به کمک روش رگرسیون خطی چندتایی (MLR) و شبکه های عصبی مصنوعی (ANN) بین این توصیف کننده ها و کمیت مورد نظر مدلسازی انجام شد. بدین منظور ابتدا پارامتهای شبکه عصبی مصنوعی که شامل تعداد گره های لایه ی مخفی ، ممنتوم و سرعت آموزش وزن ها وبایاس می باشد با استفاده از داده های سری آموزشی بهینه شدند. سری آموزشی و پیش بینی برای ساختن و بهینه کردن مدل QSRR استفاده می شود و سری ارزیابی برای سنجش قدرت پیش بینی مدل به کارمی رود. نتایج حاصل از بررسی ها، برتری مدل ANN را به MLR نشان میدهد. این امر می تواند ناشی از توانایی شبکه های عصبی مصنوعی در توجه کردن به برهم کنش بین توصیف کننده ها و در نظر گرفتن امکان ارتباط غیر خطی بین آنها و فعالیت مورد مدلسازی باشد.
Keywords:
کروماتوگرافی سیال فوق بحرانی - رگرسیون خطی چند تایی- شبکه عصبی مصنوعی
Authors
محمدحسین فاطمی
دانشیار- شیمی تجزیه گرایش کمومتریکس
هانیه ملک زاده
دانشجوی کارشناسی ارشد - شیمی تجزیه گرایش کمومتریکس
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 :