پیش بینی ضرایب توزیع برخی از ترکیبات شیمیایی بوسیله روشهای مختلف کمومتریکس
پایان نامه
- دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد شاهرود - دانشکده علوم پایه
- نویسنده سید محسن بابازاده
- استاد راهنما مهدی نکوئی بهزاد چهکندی
- سال انتشار 1393
چکیده
روشهای خطی و غیر خطی ارتباط کمی ساختار- خاصیت( qspr ) برای پیش بینی ضریب توزیع برخی از ترکیبات شیمیایی مورد مطالعه قرار گرفته شده یک دسته ی مناسب از توصیف کننده ها محاسبه شد و مناسب ترین و بهترین آنها که بیشترین ارتباط را با پارامتر مورد نظر (ضریب توزیع) داشت توسط روش الگوریتم ژنتیک انتخاب گردید در ابتدا مدل سازی توسط رگرسیون خطی چندگانه انجام شد سپس برای حصول نتایج بهتر توصیف کننده های انتخاب شده به عنوان ورودی به روش های شبکه عصبی مصنوعی و ماشین بردار پشتبان داده شد نتایج به دست آمده به وسیله شبکه عصبی مصنوعی و ماشین بردار پشتیبان و مقایسه آن با روش رگرسیون خطی چندگانه نشان دهنده برتری مدل ماشین بردار پشتیبان نسبت به دو روش دیگر می باشد
منابع مشابه
بررسی ارتباط کمی ساختار- فعالیت برخی ترکیبات شیمیایی بوسیله کمومتریکس
کاندیدیازیس عفونت ناشی از قارچ کاندیدا آلبیکانس است. مشتقات بتراکسازول ها، بنزایمیدازول ها و )4و5 – (b پیریدین اکسازول ها دارای اثر مهار کنندگی روی این قارچ هستند . در پژوهش حاضر در مرحله ی اول سعی شده است با استفاده از روش رگراسیون خطی چند گانه ، فعالیت بیولوژیکی این ترکیبات مدل سازی و پیش بینی شود . این مشتقات شامل 60 مولکول هستند ، که مقادیر تجربی مهار کنندگی انها در دسترس است .
15 صفحه اولکاربرد روش های مختلف کمومتریکس در آنالیز داده های الکتروشیمی، اسپکتروفتومتری و پیش بینی برخی خواص شیمی فیزیکی ترکیبات آلی
چکیده ندارد.
15 صفحه اولارزیابی روشهای پیش بینی و ارائه مدل ترکیبی بهینه در خصوص پیش بینی درآمدهای مالیاتی
این مقاله به پیش بینی درآمدهای مالیاتی به تفکیک منابع وصولی (کل، اشخاص حقوقی، درآمد، ثروت و کالا و خدمات) برای سالهای 91-1390 می پردازد. به منظور دستیابی به پیش بینی های دقیق تر ابتدا ماهیت ساختاری سریهای زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن و میزان پیچیدگی سیستم مولد سریهای زمانی مالیاتی با استفاده از آزمون های نمای لیاپانوف و بعدهمبستگی بررسی شده است. نتایج حاصل از آزمون نمای لیاپا...
متن کاملمقایسه ی شبیه ها و روشهای مختلف پیش بینی ماهانه ی جریان مبتنی بر هوش مصنوعی
پیش بینی دقیق جریان در رود ها از اهمیت بسزایی در مدیریت منابع آبهای سطحی برخوردار می باشد؛ به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی شبیه های دقیق پیش بینی صورت گرفته است. در تحقیق حاضر با استفاده از شبیه های خود همبسته ی میانگین متحرک با ورودیهای غیر تصادفی (ARMAX)، ANN و GP برای پیش بینی ماهانه ی جریان به دو روش پیش بینی زنجیره ی زمانی و پیش بینی ماهانه ی مجزای جریان رود سعید آباد...
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
دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد شاهرود - دانشکده علوم پایه
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023