پیش بینی شاخص بازداری تعدادی روغن های ضروری با استفاده از روشهای qspr خطی و غیر خطی

thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود
author حانیه یزدان دوست
adviser ناصر گودرزی
Number of pages: First 15 pages
publication year 1390

abstract

روغنهای ضروری گیاهی و ترکیبات مرتبط، کاربرد گسترده ای در طب سنتی، صنایع غذایی، صنایع عطرسازی و داروسازی دارند. در این تحقیق، مطالعات ارتباط کمّی ساختار - ویژگی بر روی شاخص بازداری 77 و 119 روغن ضروری به ترتیب در بخش های سوم و چهارم انجام پذیرفت. رگرسیون مرحله ای خطی برای انتخاب توصیف کننده ها به کار گرفته شد. برای مدلسازی اندیس بازداری این ترکیبات از روش رگرسیون خطی چندگانه (mlr) به عنوان روش خطی و همچنین شبکه عصبی مصنوعی (ann) به عنوان روش غیر خطی استفاده شد. برای بررسی اعتبار این مدلها علاوه بر به کارگیری سری تست، از روشهای دیگری همانند حذف مرحله ای تک تک داده ها و y-تصادفی استفاده گردید. هر دو روش خطی و غیرخطی توانایی پیش‎بینی خوبی دارند، اما با توجه به نتایج حاصله، مدل ann دارای قدرت پیش بینی بیشتری در هر دو مورد بوده است. در قسمت اول این تحقیق، ضرایب همبستگی سری تست توسط مدل‎های mlr و ann به ترتیب 975/0 و 982/0 و در قسمت دوم آن، ضرایب همبستگی سری تست مدل‎های mlr و ann به ترتیب 941/0 و 956/0 بودند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

ساختارهای خطی و غیر خطی در پیش بینی بازده سهام

پیش بینی بازده سهام به کمک کشف الگوهای رفتاری فرآیند مولد قیمت سهام امکان پذیر است. میزان موفقیت درکشف اینگونه الگوهای رفتاری، میزان کارایی پیش بینی را مشخص می کند. به عبارت دیگر فرآیند مولد قیمت سهام را می توان به عنوان یک الگوی دینامیکی بررسی کرد. این فرآیند ممکن است به صورت مدل های خطی، مدل های غیر خطی و یا مدل های تصادفی به دست آید. این پژوهش ساختارهای خطی پیش بینی کننده را در قالب دو مدل...

full text

پیش بینی پارامتر حلالیت تعدادی حلال آلی با استفاده از روش های qspr خطی و غیر خطی

در این پروژه، مطالعات ارتباط کمّی ساختار - ویژگی بر روی پارامتر حلالیت 70 حلال پلی مردر بخش اول، و شاخص بازداری 70 ترکیب موجود در روغن های ضروری در بخش دوم صورت گرفت. پارامتر حلالیت خاصیت فیزیکو شیمیایی ذاتی یک ترکیب است. این خاصیت روش عددی ساده ای برای پیش‎بینی سریع خواص اساسی مولکول فراهم می کند. یکی از کاربردهای بسیار مهم پارامتر حلالیت، ارزیابی امتزاج پذیری مواد با هم می باشد. روغن های ضرو...

15 صفحه اول

استفاده از مدل های خطی و غیر خطی برای پیش بینی ترکیب اسید چرب عضله میگوی پرورشی

در سال های اخیر مصرف آبزیان مخصوصاً میگو به علت دارا بودن مقادیر بالایی از اسیدهای چرب چند غیر اشباع بلند زنجیره امگا 3 و جلوگیری از بیماری های قلبی و عروقی افزایش پیدا کرده است. در صنعت پرورش میگو روغن ماهی به علت مقادیر بالای اسیدهای چرب ایکوزا پنتانوئیک و دوکوزاهگزانوئیک از بهترین منابع چربی در جیره غذایی میگو می باشد، اما به علت کمبود ذخایر و قیمت بالا استفاده از آن در سال های آینده چندان مق...

full text

پیش بینی ثابت های هنری بعضی از ترکیبات آلی با استفاده از روش های خطی و غیر خطی qspr

امروزه ارتباط کمّی ساختار - خاصیت (qspr) برای مطالعه ی وابستگی خواص مختلف فیزیکوشیمیایی ترکیبات با ساختار مولکولی استفاده شده است. در بخش اول این پروژه، از رگرسیون خطی چندگانه (mlr) به عنوان یک روش خطی و از شبکه ی عصبی مصنوعی (ann) به عنوان روشی غیر خطی برای پیش بینی ثابت هنری 333 ترکیب آلی استفاده گردید. سری داده-ها به سری های آموزش (263 ترکیب)، آزمون (40 ترکیب) و ارزیابی بیرونی (30 ترکیب) تقسی...

15 صفحه اول

ساختارهای خطی و غیر خطی در پیش بینی بازده سهام

full text

مطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری

اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز در راه پاسخگویی به مراجعان به آن نیاز دارد.عدم اطلاع از میزان تقاضای اشتراک سبب ایجاد مشکلاتی مانند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کنتورهای موردنیاز و دیگر عوامل مرتبط می شود. در چند دهه گذشته،اقتصاددانان و علمای مدیریت برای براورد تقاضا غالباً از روش های اقتصادس...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود

Keywords

ارتباط کمی ساختار ویژگی شاخص بازداری شبکه عصبی مصنوعی رگرسیون خطی چندگانه

Hosted on Doprax cloud platform doprax.com