پایان‌نامه

مدل سازی ann برای پیش بینی دانسیته ی سیالات تجمعی با استفاده از توصیف کننده های مولکولی

نازلی آزمونفر

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

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) و الگوریتم ژنتیک بر اساس آنالیز حداقل مربعات (ga-pls) استفاده شد. تعداد 8 توصیف¬کننده توسط روش sr و 5 توصیف¬کننده توسط روش ga-pls انتخاب شدند. در روش دوم، توصیف¬کننده¬های بهینه بر اساس روش سهم گروه انتخاب شدند. پس از آنالیز ساختار شیمیایی تمام ترکیبات مورد مطالعه در این کار، نهایتاً 10 گروه عاملی ( -ch3, -ch2- , >ch-, >ch-oh, , cooh, -ch2-nh2, >ch-nh2, >nh) ایجاد شدند. توصیف¬کننده¬های انتخاب شده توسط این سه روش و دو توصیف¬کننده¬ی تجربی دما و فشار به عنوان ورودی شبکه¬ی عصبی مصنوعی مورد استفاده قرار گرفتند. 4 نوع شبکه¬ی عصبی مصنوعی با ترکیب الگوریتم¬های آموزشی لونبرگ-مارکوارت و بایزین با توابع انتقال لگاریتم سیگموئید و تانژانت سیگموئید استفاده گردید. پس از آموزش و بهینه سازی پارامترهای ann مانند تعداد ورودی، تعداد نرون لایه¬ی پنهان و تعداد دورهای آموزشی عملکرد مدل توسط سری تست مورد بررسی قرار گرفت. نتایج حاصل نشان می¬دهد که شبکه¬ی عصبی با الگوریتم آموزشی تنظیم لونبرگ-مارکوارت و تابع انتقال تانژانت سیگموئید و توصیف‎کننده‎های حاصل از روش سهم گروه می¬تواند رابطه¬ی بین توصیف¬کننده¬های ساختاری و دانسیته¬ی مولکلول-های مورد نظر را شبیه¬سازی کند. میانگین مربعات خطا (mse) و میانگین درصد انحراف مطلق (aad) برای سری تست توسط این روش به ترتیب برابر 2432/1 و %0867/0می¬باشد.

اساتید راهنما و مشاور

زهرا کلانتر، منصور عرب

پایان‌نامه‌های مشابه

اسناد مشابه

  • مدل سازی و پیش بینی قیمت سهمام با استفاده از معادلات دیفرانسیل تصادفی

    مقاله۲۰۰۵تحقیقات اقتصادیدکتر حمید خالوزاده، دکتر على خاکى صدیق

    فرایندهای سری زمانی را می توان به سه طبقه خطی، تصادفی و آشوبگونه دسته بندی کرد و براین اساس قابلیت پیش بینی در فرایندهای خطی ممکن، درفرایندهای تصادفی غیرممکن و در فرایندهای آشوبگونه تا حدی ممکن است. تحقیقات و مطالعات انجام شده قبلی در زمینه مدل سازی و پیش بینی قیمت سهام بیشتربر ا

  • مدل سازی و پیش بینی قیمت سهمام با استفاده از معادلات دیفرانسیل تصادفی

    مقاله۲۰۰۵مجله تحقیقات اقتصادیدکتر حمید خالوزاده، دکتر علی خاکی صدیق

    فرایندهای سری زمانی را می توان به سه طبقه خطی، تصادفی و آشوبگونه دسته بندی کرد و براین اساس قابلیت پیش بینی در فرایندهای خطی ممکن، درفرایندهای تصادفی غیرممکن و در فرایندهای آشوبگونه تا حدی ممکن است. تحقیقات و مطالعات انجام شده قبلی در زمینه مدل سازی و پیش بینی قیمت سهام بیشتربر ا

  • مدل سازی و پیش بینی قیمت بنزین با استفاده از شبکه عصبی gmdh

    مقالهپژوهش های اقتصادی ایران

    در این پژوهش از شبکه عصبی gmdh مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیرخطی پویای پیچیده، برای پیش بینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کرده ایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) ب

  • مدل سازی و پیش بینی ضایعات نان با استفاده از مدل های سری زمانی و شبکه های عصبی مصنوعی

    مقاله۲۰۱۲تحقیقات اقتصاد و توسعه کشاورزی ایرانمیترا ژاله رجبی، ناصر شاهنوشی، محمود دانشور، علی فیروز زارع

    دراین مطالعه به منظور بررسی عوامل مؤثر بر ضایعات نان و تعیین روابط کوتاه مدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل مؤثر برآن طی سال های 1385-1357 و پیش بینی ضایعات نان از الگوی سری زمانی چند متغیره ardl استفاده شده است. بر اساس الگوی ardl ضایعات نان در بلندمدت

  • مدل سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی

    مقالهعلوم تغذیه و صنایع غذایی ایرانروشنک رفیعی نظری، r rafiei nazari branch, islamic azad university, damghan, iranایران . دامغان . بلوار چشمه علی مجید عرب عامری، m arabameri shahroud university of medical sciences, sشاهرود میدان هفت هفت تیر دانشگاه علوم پزشکی شاهرود لیلا نوری، l nouri branch, islamic azad university, damghan, iranایران . دامغان . بلوار چشمه علی

    سابقه و هدف: پایداری اکسیداسیون یکی از پارامترهای مهم در حفظ کیفیت روغن زیتون طی نگهداری می باشد اطمینان از ثبات کیفیت روغن زیتون یکی از مسائل و نگرانی های مهم تولیدکنندگان و مصرف کنندگان است. لذا این مطالعه با هدف مدل سازی پایداری اکسیداسیون روغن زیتون با استفاده شبکه های عصبی م

  • مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۲پژوهش های اقتصادی ایران

    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 م