{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD230",
        "title": "مطالعه ی کمی ساختار –خاصیت ضریب فعالیت در رقت بی نهایت ترکیبات آلی و آب در محیط مایع یونی 1-بوتیل 1-متیل پیرولیدینیوم تریسیانومتانید",
        "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": "1394",
        "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": "QD230",
        "title": "مطالعه ی کمی ساختار –خاصیت ضریب فعالیت در رقت بی نهایت ترکیبات آلی و آب در محیط مایع یونی 1-بوتیل 1-متیل پیرولیدینیوم تریسیانومتانید",
        "degree": null,
        "faculty": "شیمی",
        "year": 1394,
        "authors": [
            {
                "name": "مریم طاهرزاده",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "زهرا کلانترکهدمی",
                "role": "استاد راهنما"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ضریب فعالیت در رقت بی نهایت",
            "رگرسیون مرحله ای",
            "الگوریتم ژنتیک",
            "شبکه ی عصبی مصنوعی",
            "ماشین برداری پشتیبان"
        ],
        "abstract": "در این تحقیق مطالعه ی ارتباط کمی ساختار- خاصیت (QSPR)، برای پیش بینی ضریب فعالیت در رقت بی نهایت 58 ترکیب آلی و آب در محیط مایع یونی، 1-بوتیل 1-متیل پیرولیدینیوم تری سیانو متانید [BMPYR][TCM]، در 6 دمای مختلف انجام شده است. تعداد زیادی توصیف کننده شامل 18 دسته‎ی مختلف، توسط نرم افزار Dragon محاسبه شدند و سپس برای انتخاب توصیف‎کننده‎های مهم از دو روش رگرسیون مرحله ای (SR) و الگوریتم ژنتیک بر اساس آنالیز حداقل مربعات (GA-PLS) استفاده گردید. تعداد 12 توصیف ‎کننده توسط روش SR و 10 توصیف کننده توسط روش GA-PLS انتخاب شدند. توصیف کننده های انتخاب شده توسط این دو روش برای مدل سازی و پیش بینی ضریب فعالیت در رقت بی نهایت این ترکیبات به عنوان ورودی به شبکه ی عصبی مصنوعی (ANN) و ماشین برداری پشتیبان (SVM) داده شدند. عملکرد هر مدل توسط سری تست ارزیابی مورد بررسی قرار گرفت. نتایج به دست آمده نشان از برتری روش SR-ANN نسبت به دیگر روش‎های به کار برده شده جهت پیش-بینی ضریب فعالیت در رقت بی نهایت ترکیبات مورد مطالعه دارد. میانگین مربعات خطا (MSE) و میانگین درصد انحراف مطلق (AAD) سری تست برای روش های SR-ANN، GA-ANN، SR-SVM و GA-SVM به ترتیب برابر 0179/0، %430/2 و 0201/0، %483/3 و 0601/0 ، %135/10و 031/4 و %874/28 می‎باشد.",
        "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_QD230.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"
    }
}