استفاده از ماشین بردار پشتیبان و روش سهم گروه برای پیشگویی دمای خود اشتعالی و عدد ستان ترکیبات آلی

در بخش اول این پروژه، مدل qsprبر پایه روش ماشین بردار پشتیبان، جهت پیشگویی دمای خود اشتعالی 35 ترکیب آلی مایع قابل اشتعال با هوا در فشار بالا، بین 10-2 بار ساخته شد. آنها گروه های مختلف از ترکیبات آلی، شامل هیدروکربن های آلیفاتیک، آروماتیک ها، الکل ها، اسیدها، آلدهیدها، کتون ها، استرها و آمین ها می باشند. ابتدا ساختار مولکولی این ترکیبات در نرم افزار hyper chem رسم شدند و پس از بهینه سازی ساختار توسط روش نیمه تجربی am1، توصیف کننده های مختلف (1497 توصیف کننده) با استفاده از نرم افزار dragon، محاسبه گردیدند و همراه با توصیف کننده فشار، جمعا 1498 توصیف کننده می باشند. سپس بهترین توصیف کننده ها توسط نرم افزار spss و به روش رگرسیون خطی چند مرحله ای انتخاب شدند. 8 توصیف کننده انتخاب شده به عنوان ورودی به برنامه matlab داده شده و با استفاده از ماشین بردار پشتیبان جهت پیشگویی مقادیر دمای خود اشتعالی ترکیبات آلی مایع قابل اشتعال با هوا استفاده شدند. پس از بهینه سازی پارامتر های مختلف، میانگین قدر مطلق نسبی انحراف (aard)، برابر 68/2 و 53/8 درصد به ترتیب برای داده های سری آموزش و پیشگویی بدست آمد. مدل های qspr راهکاری برای پیشگویی خواص ترکیبات آلی بر مبنای ساختار مولکولی می باشند. در بخش دوم کار، مدل qspr بر پایه روش های mlr، جهت پیشگویی عدد ستان 21 ترکیب آلی از خانواده الکل ها ساخته شد. در ابتدا، توصیف کننده ها بر مبنای روش سهم گروه (شامل 15 توصیف کننده) طراحی گردید. به وسیله ی روش سهم گروه، ساختار مولکولی ترکیبات به گروه های سازنده اش شکسته می شود. سپس با استفاده از نرم افزار spss ، روش رگرسیون خطی چند مرحله ای برای انتخاب زیر گروه بهینه توصیف کننده هایی که مشارکت معناداری در خصوصیت عدد ستان دارند، بکار برده می شود. 3 توصیف کننده بر مبنای روش سهم گروه، جهت ساختن مدل انتخاب شدند. بهترین مدل که دارای بیشترین مقدار ضریب همبستگی (r) و آماره f و کمترین مقدار خطای استاندارد، به ترتیب برابر 973/0، 933/100 و 5 می باشد، به عنوان مدل نهایی برای پیشگویی عدد ستان ترکیبات انتخاب گردید.