مدلسازی QSPR برای پیش بینی نقطه جوش نرمال و ترکیب محلول های آزئوتروپ دوتایی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 890
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TCPCO03_067
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
آزئوتروپ مخلوطی از دو یا چند ماده شیمیایی در محلول است که با تقطیر ساده قابل جداسازی نمی باشد.زیرا نسبت موادشیمیایی در فاز بخار با فاز مایع یکسان است.در این مطالعه توسعه ی مدل پیش بینی کننده جهت تخمین نقطه جوش نرمال محلولهای آزئوتروپ دوتایی است،همچنین انجام کارهای آماری بر روی داده ها و تحلیل نتایج به منظور دستیابی به الگویی مناسب جهت پیش بینی رفتار و نقطه جوش محلول های آزئوتروپ.مجموع داده ها 200 جفت مخلوط آزئوترپ،به دو گروه a.b تقسیم شد.تمام داده ها در نرم افزاز Hyperchem8 بهینه شد.نتایج هندسی حاصل،ازهردو گروه درون نرم افزار MOEوDRAGON قرارگرفت وتعدادزیادی توصیف کننده مولکولی در چندین دسته مختلف برای دو گروه محاسبه شد.توصیف کننده های نهایی باید خصوصیات هر دو جزء مخلوط گروه A,B را پوشش می داداز این رواز دو روش،توصیف کننده نهایی محاسبه شد.یکی از این روش ها روش وزنی)درصد وزنی سهم هر ترکیب در آزئوتروپ و روش دیگر میانگین گیری از توصیف کننده ها بود.سپس از روش رگرسیون خطی چندگانه MLR برای ساختن مدل خطی رابطه کمی ساختار خصوصیت استفاده شد.پارامترهای آماری برای توصیف کننده ی نهایی انتخاب شده حاصل از نرم افزار Dragon میانگین گیری از توصیف کننده ها به این صورت است: q2=0.6594 ,F=51.9084 , R2train=0.6976, R2test=0.6371 مدل پیشنهادی در مقایسه با سایر مدلها دارای خطای استاندارد پایین و ضریب بالایی است بنابراین از اعتبار بالاتری برخوردار است
کلیدواژه ها:
رابطه کمی ساختار ، خصوصیت QSPR_نقطه جوش نرمال Normal Boilling Point -ترکیبات آزئوتروپ دوتایی Binary Azeotropes
نویسندگان
شهره خداپرست
کارشناسی ارشد شیمی تجزیه،پتروشیمی بسپاران بندرامام خمینی
فاطمه فاضلی
کارشناسی ارشد شیمی تجزیه،دانشگاه علمی کاربردی خلیج فارس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :