پیش بینی ارتباط کمّی ساختار- خاصیت (qspr) ضریب خود نفوذی آلکان ها

در این تحقیق، مطالعات ارتباط کمی ساختار – خاصیت (qspr) با استفاده از مدل سازی خطی و غیرخطی برای پیش بینی ضریب خودنفوذی آلکان های خطی به کار گرفته شده است. داده های مربوط به ضریب خودنفوذی، با استفاده از روش تحلیل مولفه ی اصلی(pca) به چهار دسته ی آموزش، ارزیابی، تست و تست بیرونی دسته بندی گردید. توصیف کننده های ساختار مولکولی محاسبه شد و پس از حذف توصیف‎کننده های اضافی و افزودن دو پارامتر دما و فشار، مدل سازی خطی آغاز گردید. از دو روش رگرسیون مولفه ی اصلی (pcr) و رگرسیون کمترین مربعات جزئی (pls) جهت مدل سازی خطی بهره گرفته شد که در هر دو روش ابتدا مولفه های اصلی ساخته و تعداد بهینه ی مولفه ها محاسبه شد. سپس مدل سازی با مولفه های اصلی بهینه انجام شد و در نهایت مدل های نهایی برای پیش بینی داده‎های مربوط به سری تست بیرونی به کار گرفته شدند. مقدار میانگین مربعات خطای مربوط به سری تست بیرونی برای مدل های pcr و pls به ترتیب 6129/0 و 5327/0 حاصل گردید. در مدل سازی غیرخطی، جهت جداسازی توصیف کننده های بهینه از دو روش رگرسیون مرحله‎ای (sr) و الگوریتم ژنتیک (ga) استفاده شد. توصیف کننده های منتخب به شبکه ی عصبی وارد شدند و مدل سازی برای هر دو روش انتخاب توصیف کننده، صورت گرفت. شبکه های ساخته شده پس از آموزش و بهینه سازی جهت پیش بینی داده های مربوط به سری تست بیرونی مورد استفاده قرار گرفتند. مقدار میانگین مربعات خطای مربوط به سری تست بیرونی برای مدل های sr-ann و gnn به ترتیب 0379/0 و 0219/0 به دست آمد. این نتایج نشان دهنده ی برتری روش های غیر خطی در مرحله ی انتخاب توصیف کننده و در مرحله ی مدل سازی می باشند.