مدل سازی دمای خوداشتعالی ترکیبات آلی و فعالیت مهارکننده های سیکلواکسیژناز با استفاده از شبکه عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده شیمی
- نویسنده زهرا جمالی
- استاد راهنما مرتضی عتباتی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
یک مطالعه رابطه ساختار- خاصیت برای پیش بینی دمای خوداشتعالی ترکیبات آلی پیشهاد شد. انواع توصیف کننده های مولکولی محاسبه شدند. روش رگرسیون مرحله ای برای انتخاب زیرگروه بهینه توصیف کننده هایی که مشارکت معناداری در خصوصیت دمای خوداشتعالی دارند، بکار برده شد. شبکه عصبی مصنوعی برای مدل کردن رابطه کمی موجود میان این توصیف کننده های انتخاب شده و خصوصیت دمای خود اشتعالی بکار برده شد. مدل نتیجه شده قدرت پیشگویی بالایی را با میانگین درصد خطای نسبی 91/8 و مجذور میانگین مربع خطای 55/37 برای دسته ارزیابی را نشان می دهد، که در محدوده خطاهای تجربی اندازه گیری دمای خوداشتعالی می باشد. و برای ارزیابی بیشتر روش پیشنهادی با روش خطی مورد مقایسه قرار گرفت. نتایج برتری روش غیرخطی پیشنهادی را نشان می دهند. در ادامه شبکه عصبی در مطالعه ساختار- فعالیت برای پیشگویی فعالیت مهارکننده های سیکلواکسیژناز-2 مورد استفاده قرار گرفت. مشتقات یک مهارکننده اختصاصی سیکلواکسیژناز-2 برای مطالعه انتخاب شدند. علاوه بر توصیف کننده های محاسبه شده با نرم افزار دراگون، چهار توصیف کننده تجربی جمع آوری شده از مراجع در مرحله انتخاب زیر گروه بهینه توصیف کننده ها مورد استفاده قرار گرفته است. رگرسیون مرحله ای برای انتخاب زیرگروه بهینه توصیف کننده هایی که مشارکت معناداری در خصوصیت دمای خوداشتعالی دارند، بکار برده شد. میانگین درصد خطای نسبی 47/2 و مجذور میانگین مربع خطا 19/0 برای دسته ارزیابی نتیجه شده است. نهایتا قدرت پیشگویی روش با روش خطی مقایسه شد.
منابع مشابه
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملشبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه
مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...
متن کاملمدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده شیمی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023