پیش بینی فاکتور مهاجرت مشتقات بنزن در کروماتوگرافی الکتروسینتیکی مایسلی

مدلسازی و پیش بینی فاکتور مهاجرت برخی از مشتقات بنزن در کروماتوگرافی الکتروسینتیکی مایسلی با استفاده از رگرسیون خطی چند تایی و شبکه عصبی مصنوعی انجام گرفت. بدین منظور ابتدا مولکول هایی به عنوان سری داده ها انتخاب شدند. این مولکولها به سه سری آموزشی، پیش بینی و ارزیابی تقسیم شدند. سپس توصیف کننده های الکترونی، توپولوژی، هندسی و کوانتوم- شیمیایی برای تمام مولکول ها مورد محاسبه قرار گرفت. با استفاده از تکنیک های انتخاب متغیر مرحله ای توصیف کننده های مهمتر انتخاب و سپس به کمک روشهای رگرسیون خطی چندتایی (MLR) و شبکه عصبی مصنوعی(ANN) بین این توصیف کننده های و فاکتور مهاجرت مدلسازی انجام شد. در مورد شبکه عصبی مصنوعی، ابتدا پارامترهایی نظیر تعداد گره های لایه مخفی، ممنتوم و سرعت آموزش وزن ها و بایاس به روش پس – انتشار بهینه شدند. سپس از داده های سری ارزیابی برای ارزیابی قدرت پیش بینی مدل حاصله استفاده شد.مقدار ریشه متوسط مربعات خطا(RMSE) سری آموزشی، پیش بینی و ارزیابی برای مدل MLR به ترتیب 0/200 ، 0/240 و 0/247 و برای مدل به ترتیب 0/110 ، 0/231 و 0/228 بوده است که مبین این است که مدل ANN بر مدل MLR برتری چندانی ندارد.