سال انتشار: ۱۳۸۲

محل انتشار: هشتمین کنگره ملی مهندسی شیمی ایران

تعداد صفحات: ۱۳

نویسنده(ها):

حسن مدرسی – دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر
حمید مدرس – دانشکده مهندسی شیمی، دانشگاه صنعتی امیرکبیر

چکیده:

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