{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD105",
        "title": "مدلسازی QSPR برای پیش‌بینی دانسیته‌ی آلکانها با استفاده از روشهای خطی و غیر خطی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1389",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QD105",
        "title": "مدلسازی QSPR برای پیش‌بینی دانسیته‌ی آلکانها با استفاده از روشهای خطی و غیر خطی",
        "degree": null,
        "faculty": "شیمی",
        "year": 1389,
        "authors": [
            {
                "name": "زهرا کلانترکهدمی",
                "role": "پدیدآور اصلی"
            }
        ],
        "keywords": [
            "دانسیته",
            "آلکانهای خطی",
            "اجزاء گاز طبیعی",
            "شبکه ی عصبی مصنوعی",
            "روش رگرسیون چند مرحله ای",
            "مدلسازی QSPR"
        ],
        "abstract": "در این کار، از مدلسازی QSPR با استفاده از روش خطی رگرسیون چند مرحله ای و روش غیر خطی شبکه ی عصبی مصنوعی، برای پیش بینی دانسیته ی آلکانها در محدوده ی وسیعی از دما وفشار استفاده گردید. با توجه به این که آلکانهای تا چهار کربنه (اجزاء گاز طبیعی) در شرایط محیط به صورت گاز و بقیه ی آلکان ها تا 19 کربنه در همین شرایط مایع هستند لذا این مواد به دو گروه اجزاء گاز طبیعی و آلکانهای 5 تا 19 کربنه تقسیم شدند. برای هر یک از این گروه ها، 1481 توصیف کننده توسط نرم افزار دراگون محاسبه گردید و با استفاده از روش رگرسیون چند مرحله ای، توصیف کننده های مناسب از میان آن ها انتخاب شد. توصیف کننده های انتخاب شده عبارتند از Ms  و MW برای آلکان های 5 تا 19 کربنه و MATS2m  وMor 04v برای اجزاء گازهای طبیعی. این توصیف کننده ها به همراه 2 متغیر دما و فشار برای ساخت مدل بکار گرفته شدند. داده های موجود به صورت اتفاقی به سه دسته ی آموزش، ارزیابی و تست تقسیم شدند. پس از آموزش و بهینه کردن پارامترهای شبکه، کارایی مدل با استفاده از سری تست مورد ارزیابی قرار گرفت. متوسط مربعات خطا در پیش بینی دانسیته در سری تست، برای آلکان های 5 تا 19 کربنه 0/233 و برای اجزای گازهای طبیعی 9/70 بدست آمدند. همچنین نتایج به دست آمده از شبکه با نتایج حاصل از مدل خطی مقایسه گردید و مشخص شد که روش ANN توانایی بهتری در پیش بینی دانسیته ی این ترکیبات دارد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QD105.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}