مطالعات qspr بر روی دمای بحرانی ترکیبات آلی و دمای بحرانی پایین محلول در محلول های پلیمری با استفاده از سیستم استنتاج فازی- عصبی تطبیقی (anfis)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده شیمی
- نویسنده سید داود صمدیان
- استاد راهنما مرتضی عتباتی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
دمای بحرانی، دمایی است که در بالای آن دما هر چه فشار وارد بر یک گاز را افزایش دهیم تبدیل به مایع نمی شود. در این پروژه از سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای پیشگویی دمای بحرانی 165 ترکیب آلی استفاده شد. ابتدا ساختار ترکیبات در نرم افزار hyper chem رسم و با روش نیمه تجربی am1 بهینه شدند، سپس با استفاده از نرم افزار dragon، 1497 توصیف کننده محاسبه شد. از روش مرحله ای به عنوان روش انتخابگر توصیف کننده ها استفاده گردید، که شش توصیف کننده به عنوان ورودی برای سیستم استنتاج فازی- عصبی تطبیقی انتخاب شدند. پس از بهینه کردن شبکه، ریشه میانگین مربع خطاها برای سری آموزش، ارزیابی و پیشگویی به ترتیب برابر با 1/8، 1/18 و 5/11 بدست آمدند. نتایج بدست آمده با سیستم استنتاج فازی- عصبی تطبیقی که ترکیبی از شبکه عصبی و منطق فازی می باشد، نشان می دهد که یک ارتباط کمی ساختار - ویژگی (qspr) با صحت قابل قبولی برای ترکیبات آلی بر اساس مجموعه ساده ای از توصیف کننده های مولکولی بنا شده است
منابع مشابه
مدل‌سازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)
در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه بهدرستی برقرار کند. بدین منظور برای پیشبینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها بهصورت روزانه طی دوره 32 سال آماری وارد م...
متن کاملمدلسازی مکانی مناطق اکتشاف نفتی با سیستم استنتاج فازی عصبی تطبیقی (ANFIS) در GIS
فرآیند اکتشاف منابع هیدروکربنی فرآیندی بسیار پیچیده و پرهزینه میباشد. در این فرایند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا عدم دقت در انتخاب موقعیت مکانی، صرف هزینه و زمان زیاد در طول عملیات میباشد. هدف این تحقیق تعیین م...
متن کاملپیش بینی جریان رودخانه با استفاده از سامانه استنتاج فازی(FIS) وسامانه استنتاج فازی- عصبی تطبیقی(ANFIS)
این مقاله فاقد چکیده میباشد.
متن کاملپیشبینی جریان روزانه رودخانه اهرچای با استفاده از روش های شبکه های عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)
در طی سال‌های اخیر پیشبینی فرآیندهای هیدرولوژیکی به منظور بهره‌برداری پایدار از منابع آب با استفاده از روش‌‌های هوشمند مورد توجه دست اندرکاران بخش آب قرار گرفته است. در این تحقیق با بهره‌‌گیری از شبکه‌‌های عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) اقدام به پیشبینی دبی جریان روزانه رودخانه اهر چای واقع در استان آذربایجان شرقی در ایستگاه های اورنگ، برمیس و تازه کند گردید. بر...
متن کاملبررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابل‌رود
Sediment load estimation is one of the most important issues in rivers & dam reservoirs management and generally in water projects. Various empirical equations show that proper analytical or empirical method is not suggested for correct estimation of suspended sediment, yet. In the present study, to assessment of closer estimation to actual data of transported sediment in Ghoran Talar station l...
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