Arhiva brojeva

https://doi.org/10.15255/KUI.2020.004
Objavljen: Kem. Ind. 69 (11-12) (2020) 611–630
Referentni broj rada: KUI-04/2020
Tip rada: Izvorni znanstveni rad
Preuzmi rad:  PDF

Primjena umjetne neuronske mreže i regresije potpornih vektora u modeliranju kvantitativnog odnosa strukture-svojstva i topljivosti otopljenih čvrstih tvari u superkritičnom CO2

M. Moussaoui, M. Laidi, S. Hanini i M. Hentabli

Sažetak

U ovom je istraživanju korelirana topljivost 145 čvrstih otopljenih tvari u superkritičnom CO2 (scCO2) primjenom tehnika računalne inteligencije zasnovanim na modelima kvantitativne strukture i svojstva (QSPR). Baza podataka 3637 topljivosti prikupljena je iz prethodno objavljenih radova. Program Dragon primijenjen je za izračunavanje molekularnih deskriptora 145 čvrstih sustava. Genetski algoritam (GA) implementiran je kako bi se optimizirao podskup deskriptora sa značajnim doprinosom. Ukupno prosječno apsolutno relativno odstupanje MAARD od oko 1,345 % između eksperimentalnih i izračunatih vrijednosti pomoću regresije potpornih vektora modelom SVR-QSPR dobiveno je za predviđanje topljivosti 145 čvrstih otopljenih tvari u superkritičnom CO2, što je bolje od onog dobivenog primjenom modela ANN-QSPR (2,772 %). Rezultati pokazuju da je razvijeni model SVR-QSPR precizniji i da se može primijeniti kao alternativni alat za modeliranje QSAR studija topljivosti otopljenih čvrstih tvari u superkritičnom ugljikovu dioksidu (scCO2). Točnost predloženog modela procijenjena je statističkom analizom uspoređivanjem rezultata s ostalim modelima zabilježenim u literaturi.


Creative Commons licenca
Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna

Ključne riječi

topljivost, otopljene čvrste tvari, superkritične tekućine, tehnike računalne inteligencije, kvantitativni odnos struktura-svojstvo