در این تحقیق، دانسیته ی مایعات یونی با استفاده از دو روش که شامل: ترکیب روش سهم گروه با شبکه ی عصبی مصنوعی (gcm-ann) و روش سهم گروه با ماشین بردار پشتیبان (gcm-svm) می باشد، تخمین زده شد. مجموعه ی نقاط شامل، 3107 نقطه داده ی تجربی دانسیته برای محدوده ی وسیعی از دما (293-414 k)، فشار (0/1-65 mpa) و دانسیته (869/21-2400 kg.m-3) مطابق با 188 مایع یونی می باشد. مجموعه ی داده ها در شبکه ی عصبی مصنوع...

چکیده هدف این پایان نامه، تعمیم معادله حالت lir به آلکیل آمین های نوع اول با استفاده از روش سهم گروه ها، می باشد. در معادله ی حالت lir که بر مبنای مفهوم پتانسیل جفت موثر، استخراج شده است، شکل ریاضی تابع پتانسیل جفت موثر مانند جفت منزوی، به صورت لنارد-جونز (6،12) درنظر گرفته شده است با این تفاوت که پارامترهای پتانسیل جفت موثر در منطقه‎ی چگال ( که دانسیته ی بویل است) بر خلاف پارامترهای جفت منز...

تمام سیالات چگال از قاعده های تجربی متعددی پیروی می کنند. با توجه به اینکه رفتار یک سیستم به بر هم کنش ذرات سازنده ی آن سیستم ربط دارد می توان نتیجه گرفت که یک پتانسیل برهم کنش عمومی بین ذرات سازنده در تمام سیستم های چگال وجود دارد. قاعده ی همدمای خطی lir قاعده ای است که برای سیالات متراکم و فوق بحرانی به دست آمده و دارای مبنای نظری است. طبق این قاعده، کمیت بر حسب برای هر هم دمای سیال چگال خطی...

در این پایان نامه، از مدل شبکه ی عصبی موجک (wnn) برای پیش بینی دانسیته ی کتون ها در محدوده ی وسیعی از دما و فشار استفاده شده است. در ابتدا مدل شبکه ی عصبی موجک با دو متغیر دما، فشار و توصیف کننده هایی برمبنای روش سهم گروه شامل تعداد گروه های متیل، متیلن، متین وگروه عاملی کربونیل برای هر یک از کتون ها طراحی گردید. سپس جهت به کارگیری شبکه ی عصبی موجک برنامه ای رایانه ای در محـیط برنامه نویسی matl...

در این تحقیق مطالعات ارتباط کمی ساختار-خاصیت (qspr)، برای پیش¬بینی دانسیته¬ی سیالات تجمعی شامل الکل¬ها، آمین¬های نوع اول و دوم و کربوکسیلیک اسیدها به کار گرفته شده¬اند. برای تولید توصیف¬کننده¬های مهم از دو روش مختلف استفاده شده است. در روش اول، ابتدا تعداد زیادی توصیف¬کننده شامل 18 دسته¬ی مختلف، توسط نرم افزار dragon محاسبه شدند و سپس برای انتخاب توصیف¬کننده¬های مهم از روش رگرسیون مرحله¬ای (sr)...

در این تحقیق، مطالعات ارتباط کمی ساختار – خاصیت با استفاده از شبکه ی عصبی مصنوعی برای پیش بینی ضریب تراکم پذیری همدمای ترکیبات آلی مختلف به کار گرفته شده است. سری داده ها شامل ضریب تراکم پذیری همدمای 56 ترکیب در دما و فشارهای مختلف است که مجموعاً 4297 نقطه داده را تشکیل می دهد. برای انتخاب توصیف کننده های بهینه از دو روش رگرسیون مرحله ای (sr) و راهبرد cdfs استفاده شد. سپس مدل سازی به وسیله ی شبک...

ارنده¬های غیرنوکلئوزیدی نسخه¬بردار معکوس، یک طبقه جدید از داروهای ضد رتروویروسی هستند که برای درمان عفونت ویروس نقص ایمنی اکتسابی(hiv) استفاده می¬شوند. این بازدارنده¬ها از فعالیت آنزیم نسخه¬بردار معکوس که تکثیر ژنوم hiv را درکنترل دارد، جلوگیری می¬کنند. در بخش اول پروژه، مدل¬ qsar برای پیش¬بینی فعالیت ضد hiv مشتقات تیوکربامات به عنوان بازدارنده¬های غیر¬نوکلئوزیدی با استفاده از توصیف¬گر¬های سهم ...