پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري

پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري

شنبه ۳۰ مرداد ۹۵ | ۲۱:۱۹ ۸ بازديد

پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري

دانلود پايان نامه كارشناسي ارشد رشته شيمي پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري

دانلود پايان نامه پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري دانلود مقاله دانلود تحقيق دانلود نرم افزار دانلود اندرويد دانلود پايان نامه دانلود پايان نامه كارشناسي دانلود پايان نامه ارشد دانلود پروژه دانلود پروژه پاياني دانلود پروپوزال دانلود گزارش كار آموزي دانلود پاورپوينت دانلود

دسته بندي	شيمي
فرمت فايل	docx
حجم فايل	3807 كيلو بايت
تعداد صفحات فايل	114

پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري

دانلود پايان نامه كارشناسي ارشد رشته شيمي

در در 114 صفحه ورد قابل ويرايش با فرمت doc

فهرست مطالب

عنوان صفحه

فصل اول- مقدمه 1

1-1- تعريف و تاريخچه كمومتريكس 2

1-2- روش هاي رياضي و آماري در كمومتريكس 4

1-3- مراحل مختلف مطالعات QSPR 4

1-3-1- انتخاب سري مولكولي 5

1-3-2- محاسبه توصيف كننده هاي مولكولي. 5

1-3-3- انتخاب توصيف كننده هاي مولكولي مناسب 6

1-3-4- مدلسازي و انتخاب بهترين مدل 6

1-3-5- ارزيابي اعتبارمدل هاي انتخاب شده براي متغيرهاي گزينش شده 7

1-4- انواع توصيف كننده هاي مولكولي 7

1-4-1- توصيف كننده هاي جزئي مولكولي 7

1-4-2- توصيف كننده هاي توپولوژيكي مولكولي 7

1-4-3- توصيف كننده هاي تطبيقي مولكولي 8

1-4-4- توصيف كننده هاي شمارش گر قدم هاي مولكولي 8

1-4-5- توصيف كننده هاي ضرايب بار توپولوژي گالوز 8

1-4-6- توصيف كننده هاي هم بستگي دو بعدي 9

1-4-7- توصيف كننده هاي بار مولكولي 9

1-4-8- توصيف كننده هاي ضرايب آروماتيسيته مولكولي 9

1-4-9- توصيف كننده هاي هندسي 9

1-4-10- توصيف كننده هاي برش مولكولي رانديك 10

1-4-11- توصيف كننده هاي سه بعدي مولكولي. 10

1-4-12- توصيف كننده هاي تصويري مولكولي 10

1-4-13- توصيف كننده هاي توزيع شعاعي 11

1-4-14- توصيف كننده هاي گروههاي عاملي 11

1-4-15- توصيف كننده هاي بخش هاي متصل به اتم مركزي 11

1-4-16- توصيف كننده هاي جانمايي توپولوژي – هندسي 11

1-4-17- توصيف كننده هاي تجربي مولكول 11

1-4-18- توصيف كننده هاي ويژگي مولكولي 12

1-5- روش هاي مختلف مدلسازي رياضي .12

1-5-1- روش رگرسيون خطي چند گانه 12

1-5-1-1- تاريخچه 12

1-5-1-2- مفروضات رگرسيون 13

1-5-1-3- روش ورود متغير ها در رگرسيون 14

1-5-1-4- آزمون هم خطي 15

1-5-2- روش ماشين بردارپشتيبان 17

1-5-2-1- مقدمه 17

1-5-2-2-اصول كار وخلاصه استفاده عملي از ماشين بردار پشتيبان 17

1-5-3- روش شبكه هاي عصبي مصنوع 20

1-5-3-1- مقدمه 20

1-5-3-2- مفهوم شبكه عصبي مصنوعي .20

1-5-3-3- تاريخچه ي شبكه هاي عصبي 21

1-5-3-4- نرون ها 22

1-5-3-5- توابع انتقال24

1-5-3-6- شبكه ها 25

1-5-3-7- انواع شبكه ها 27

1-5-3-8- مزايا و معايب. 29

1-5-3-9- كاربرد هاي شبكه عصبي مصنوعي 30

1-6-آناليز بهينه شده آفت كش ها و علف كش ها 32

1-7- معرفي نرم افزار 34

1-7-1- نرم افزار20 .SPSS 34

1-7-2- نرم افزار Hyper chem 0.7 34

1-7-3- نرم افزارDragon 2.1 34

1-7-4-نرم افزار STATISTICA 0.8 35

فصل دوم- پيشينه تحقيق 37

- مطالعات كمومتري انجام شده بر روي زمان هاي بازداري آفت كش ها 38

فصل سوم- بخش تجربي ..43

3-1- رسم ساختارهاي مولكولي 44

3-2- بهينه سازي ساختارهاي مولكولي 44

3-3- محاسبه توصيف كننده هاي مولكولي 46

3-4- استفاده از نرم افزار Excel 2010 Microsoft 46

3-5- كاهش تعداد توصيف كننده هاي مولكولي 47

3-6- دسته بندي داده ها 48

3-7- مدل سازي خطي براي پيش بيني زمان بازداري 48

3-8- مدلسازي با روش هاي غير خطي 49

فصل چهارم- بحث و نتيجه گيري 51

4-1- نتايج حاصل از روش رگرسيون خطي چند گانه گام به گام 52

4-2- طراحي روند براي آموزش ماشين بردار پشتيبان. 61

4-3- نتايج بدست آمده با استفاده از روش ماشين بردار پشتيبان 63

4-4- طراحي روند براي آموزش شبكه هاي عصبي مصنوعي 66

4-5- نتايج بدست آمده با استفاده از روش شبكه هاي عصبي مصنوعي 66

4-6- مقايسه نتايج حاصل از سه روشSW-MLR و SVM و ANN 68

4-7- توضيح توصيف كننده هاي مولكولي. 70

4-8- نتيجه گيري 73

4-9- پيشنهادات براي كارهاي بعدي 73

چكيده انگليسي .101

فهرست علايم و نشانه‌ها

معني لغوي عنوان يا علامت اختصاري

رابطه كمي ساختار-خاصيت QSPR

رابطه كمي ساختار-زمان بازداري QSRR

رگرسيون خطي چند گانه گام به گام MLR

شبكه هاي عصبي مصنوعي ANN

ماشين بردار پشتيبان SVM

پيش بيني Prediction

زمان بازداري Retentiom Time

آفت كش ها Pestiside

فهرست جدول‌ها

عنوان صفحه

جدول 1-1 انواع توصيف گرها به همراه تعداد آنها............................................................................... 35

جدول 4-1 نتايج آماري براي داده هاي كد بندي شده با مدل سازي SW-MLR......... .......................52

جدول 4-2 ماتريس ضريب همبستگي براي توصيف گر هاي انتخاب شده ........................................ 54

جدول4-3 نتايج آماي مدلسازي براي داده هاي با توزيع نرمال به روش SW-MLR............................ 55

جدول 4-4 نتايج مختلف آماري براي مدل سازي به روش SW-MLR................................................ 59

جدول 4-5 ماتريس ضريب همبستگي براي توصيف گر هاي انتخاب شده با روش SW-MLR.......... 60

جدول 4-6 خلاصه نتايج آماري پيش بيني زمان بازداري آفت كش ها با روش SVM........................ 63

جدول 4-7 خلاصه نتايج آماري پيش بيني زمان بازداري آفت كش ها با روش ANN........................ 66

جدول 4-8 خلاصه نتايج آماري براي سه روش ANN , SVM , MLR..............................................68

جدول 4-9 توصيف گرهاي انتخاب شده با روش رگرسيون خطي چند گانه....................................... 69

فهرست شكل‌‌ها

عنوان صفحه

شكل ‏1 1 نمودار رگرسيون خطي با يك متغير 16

شكل ‏1 2 ابر سطح با حد اكثر مرز جدا كننده. .....19

شكل ‏1 3 ساختار نرون طبيعي انسان.. 23

شكل ‏1 4 ساختار يك نرون مصنوعي...................................................................................................23

شكل ‏1 5 چند مورد از توابع انتقال موجود در ANN...........................................................................25

شكل ‏1 6 شمايي از يك شبكه عصبي. 26

شكل ‏1 7 شمايي از ستون كروماتوگرافي بهينه شده براي تعيين زمان بازداري آفت كش ها............... 33

شكل ‏4 1 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SW-MLR در دو مجموعه آموزشي و آزمايشي............................................................................ 53

شكل ‏4 2 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SW-MLRبراي مجموعه آزمون.....................................................................................................53

شكل ‏4 3 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SW-MLR در دومجموعه آموزشي و آزمايشي..............................................................................55

شكل ‏4 4 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SW-MLR براي سري آموزشي......................................................................................................56

شكل ‏4 5 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SW-MLR براي سري آزمون.........................................................................................................56

شكل ‏4 6 مقادير باقيمانده بر حسب مقادير زمان هاي بازداري تجربي براي آفت كش ها در دو مجموعه آموزشي و آزمون بر اساس مدل SW-MLR.........................................................................57

شكل ‏4 7 تأثير تعداد توصيف گر ها برروي R2 بر اساس مدلSW-MLR ......................................... 58

شكل 4-8 تغييرات مقدار پارامتر مجذور ميانگين مربعات خطا نسبت به اپسيلون براي سري آموزشي براساس مدل SVM................................................................................................................................62

شكل 4-9 - تغييرات مقدار مجذور ميانگين مربعات خطا نسبت به ظرفيت ماشين بردار پشتيبان براساس مدل SVM براي سري آموزشي..............................................................................................................62

شكل 4-10 تغييرات مقدار مجذور ميانگين مربعات خطا نسبت به گاما براي سري آموزشي براساس مدل SVM..............................................................................................................................................63

شكل 4-11 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SVMبراي سري آموزشي..............................................................................................................64

شكل 4-12 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SVMبراي سري آزمون.................................................................................................................64

شكل ‏4-13 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل SVM در دومجموعه آموزشي و آزمايشي......................................................................................65

شكل ‏4-14 مقادير باقيمانده بر حسب مقادير زمان هاي بازداري تجربي براي آفت كش ها در دو مجموعه آموزشي و آزمون بر اساس مدل SVM................................................................................... 65

شكل ‏4-15 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل ANN براي سري آزمون.................................................................................................................67

شكل ‏4-16 مقادير زمان هاي بازداري محاسبه شده بر حسب مقادير تجربي براي آفت كش ها بر اساس مدل ANN در دو مجموعه آموزشي و آزمون........................................................................................ 67

شكل ‏4-17 مقادير باقيمانده بر حسب مقادير زمان هاي بازداري تجربي براي آفت كش ها در دو مجموعه آموزشي و آزمون بر اساس مدل ANN................................................................................... 68

روش مدل سازي QSPR به عنوان ارائه دهنده رابطه بين ساختار و خاصيت به منظور پيش بيني زمان بازداري 208 نوع از باقيمانده آفت كش ها در زمين هاي زراعي انجام گرفت. ابتدا ساختار مولكولي تركيبات درنرم افزار0.8 ChemDraw رسم شد، سپس ساختار فضايي آنها در محيط نرم افزار0.7 HyperChem بهينه گرديد. پس از اپتيمم شدن فاصله پيوندها وطول آنها در مولكول، توصيف گرهاي هرمولكول در نرم افزار Dragon 2.1 به طريقه ي نظري محاسبه شدند، آنگاه كاهش تعداد توصيف گرها درنرم افزارExcel و SPSS صورت گرفت و داده ها براساس قاعده توزيع نرمال، به دوسري آموزشي و آزمون تقسيم شدند. وابستگي رياضي بين توصيف گرهاي مولكولي و زمان بازداري ابتدا به كمك نرم افزار SPSS و روش رگرسيون خطي چند گانه گام به گام، به صورت يك مدل رياضي تعيين شد. روش SW-MLR يك مدل خطي با شش توصيف گر MR و STN و Mor22m و PJI3 و E2U و E3S را ايجاد كرد كه اولين توصيف كننده بيانگر ويژگي هاي مولكولي و دومي مربوط به ماتريس دو بعدي، و سومي مربوط به ويژگي سه بعدي از مولكول و چهارمي بيانگر ويژگي هندسي مولكول و دو مورد آخر، جزو توصيف گرهاي تصويري مولكول مي باشند. مقادير آماري پارامتر هاي F و R2Pred و R2Train و R2Test براي مدل بدست آمده با روش SW-MLR بترتيب برابر 0.921, 0.902, 0.905, 106 مي باشد. مدل بدست آمده با تكنيك Cross-Validation و روش Leave-One-Out (LOO) مورد ارزيابي قرار گرفت. مقدار ضريب همبستگي توصيف گر¬¬¬¬هاي بدست آمده كمتر از 69/0 مي باشد. در ادامه، براي افزايش كارايي مدل بدست آمده، دو روش غير خطي ماشين بردار پشتيبان (SVM)و شبكه هاي عصبي مصنوعي (ANN) بكار گرفته شدند. مقادير زمان هاي بازداري پيش بيني شده و پارامتر هاي آماري حاصل از اجراي هر سه روش مورد مقايسه قرار گرفت كه نتايج بدست آمده حاكي از برتري روش شبكه هاي عصبي مصنوعي(ANN) نسبت به دو روش ديگر مي باشد. مقادير R2Pred براي روش ماشين بردار پشتيبان و روش شبكه هاي عصبي مصنوعي به ترتيب برابر 0.941 و 0.960 مي باشد.

كليد واژگان : ارتباط كمي ساختار-خاصيت، كروماتوگرافي، كمومتريكس، زمان بازداري، آفت كش ها، زمين هاي زراعي، رگرسيون خطي چند گانه، شبكه هاي عصبي مصنوعي، ماشين بردار پشتيبان .

برچسب ها: پيش بيني زمان بازداري براي باقيمانده آفت كش ها در زمين هاي زراعي با استفاده از روش هاي كمو متري,

oma
۰ نظر

تا كنون نظري ثبت نشده است

تبلیغات ×