مطالعه رفتار بازداری یک سری از آفت کش ها روی فازهای ساکن مختلف در کروماتوگرافی گازی

مطالعه ارتباط کمی ساختار-بازداری (qsrr) روی زمان های بازداری کروماتوگرافی گازی (دتکتور نشر اتمی) سری وسیعی از آفت کش های مختلف روی فازهای ساکن با قطبیت متفاوت (5-db فاز ساکن غیر قطبی و 17-db فاز ساکن با قطبیت متوسط) صورت گرفته است. مدل سازی زمان بازداری این ترکیبات به صورت تیوری به عنوان تابعی از توصیف کننده های مولکولی مختلف به وسیله روش های خطی و غیر خطی انجام شد. با استفاده از روش رگرسیون خطی گام به گام در نرم افزار spss، مدل هایی که بهترین نتایج را داشتند انتخاب شدند. این مدل ها داری کمترین خطای استاندارد و بیشترین ضریب همبستگی با مقادیر تجربی زمان های بازداری می باشند. پنج دسته از توصیف کننده های مولکولی شامل توصیف کننده های هندسی، توپولوژیکی، اساسی، فیزیکوشیمیایی و کوانتوم شیمیایی برای توسعه ارتباط کمی بین زمان بازداری و خصوصیات ساختاری این ترکیبات مورد استفاده قرار گرفتند. رگرسیون خطی چندگانه (mlr) و حداقل مربعات جزیی (pls) به عنوان روش های خطی و شبکه های عصبی مصنوعی (anns) با الگوریتم های یادگیری متفاوت به عنوان روش های غیر خطی برای پیش بینی زمان های بازداری مورد استفاده قرار گرفتند. تحقیقات نشان داد که بعضی از انواع شبکه های عصبی مصنوعی مانند شبکه های عصبی با الگوریتم یادگیری شیب توأم مقیاس شده (ann-scg) و شبکه های عصبی مصنوعی با الگوریتم یادگیری انتشار به عقب ارتجاعی (ann-rp) بهترین نتایج را برای پیش بینی زمان های بازداری ارایه می دهند.