{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD186",
        "title": "مدلسازی خطی و غیر خطی برای پیش بینی انبساط پذیری هم-فشار (αp) سیالات آلی با استفاده از استراتژی CDFS",
        "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": "1392",
        "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": "QD186",
        "title": "مدلسازی خطی و غیر خطی برای پیش بینی انبساط پذیری هم-فشار (αp) سیالات آلی با استفاده از استراتژی CDFS",
        "degree": null,
        "faculty": "شیمی",
        "year": 1392,
        "authors": [
            {
                "name": "زهرا ابراهیمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "زهرا کلانترکهدمی",
                "role": "استاد راهنما"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "انبساط پذیری هم فشار",
            "اتحاد جداسازی داده و انتخاب خاصیت (CDFS)",
            "رگرسیون خطی چندگانه (MLR)",
            "شبکه ی عصبی مصنوعی (ANN)",
            "ماشین بردار پشتیبان (SVM)"
        ],
        "abstract": "هدف اصلی این تحقیق، ایجاد مدل ارتباط کمی ساختار-خاصیت (QSPR) برای پیش بینی ضریب انبساط‎ پذیری هم فشار ترکیبات آلی است. شمار زیادی توصیف‎گر توسط نرم افزار دراگون محاسبه شدند و بهترین توصیف گرها از میان این توصیف گرهای محاسبه شده، با روش اتحاد جداسازی داده و انتخاب خاصیت (CDFS) انتخاب شد. در راهبرد CDFS داده ها چندین بار دسته‎بندی شد و هر بار با استفاده از روش رگرسیون مرحله ای (SR) انتخاب توصیف گر انجام گرفت. مدل-های به دست آمده از نظر تشابه و عدم تشابه توصیف گرها مقایسه شدند. مدل نهایی مدلی است که توصیف‎گرهای آن در میان مدل های به دست آمده مشترک است. 6 توصیف گر با روش CDFS انتخاب شدند. توصیف‎گرهای انتخاب شده با روش انتخاب توصیف گر، به همراه متغیرهای تجربی دما و فشار به عنوان ورودی برای ایجاد مدل رگرسیون خطی چندگانه (MLR)، شبکه ی عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) ارائه شدند. عملکرد هر مدل توسط سری تست ارزیابی شد. نتایج نشان می دهد که ماشین بردار پشتیبان می تواند ارتباط انبساط پذیری هم فشار و توصیف‎گرهای ساختاری را به خوبی پیش بینی کند. مقدار میانگین مربعات خطا برای سری تست   به دست آمد. هم‎چنین  عملکرد مدل های غیرخطی با مدل رگرسیون خطی چندگانه مقایسه شد. نتایج  برتری مدل غیرخطی نسبت به مدل خطی را نشان می دهد.",
        "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_QD186.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"
    }
}