{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD254",
        "title": "مطالعه ی کمی ساختار –خاصیت ضریب فعالیت در رقت بی نهایت ترکیبات  آلی وآب در محیط مایع یونی 1-بوتیل 1-متیل  مورفولینیوم 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": "QD254",
        "title": "مطالعه ی کمی ساختار –خاصیت ضریب فعالیت در رقت بی نهایت ترکیبات  آلی وآب در محیط مایع یونی 1-بوتیل 1-متیل  مورفولینیوم تریسیانومتانید",
        "degree": null,
        "faculty": "شیمی",
        "year": 1394,
        "authors": [
            {
                "name": "حسین نعمتی",
                "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",
            "اتحاد جداسازی داده و انتخاب خاصیت",
            "شبکه ی عصبی مصنوعی",
            "ماشین برداری پشتیبان"
        ],
        "abstract": "ضریب فعالیت در رقت بی نهایت یکی از پارامترهای کلیدی است که می تواند برای انتخاب حلال موثر در فرایند جداسازی به کار رود. در این پایان نامه، یک مطالعه ی ارتباط کمی ساختار- خاصیت (QSPR)، برای پیش بینی ضریب فعالیت در رقت بی‌نهایت 60 ترکیب آلی مختلف و آب در محیط مایع یونی، 1-بوتیل 1-متیل مورفولینیوم تری سیانو متانید [BMMOR][TCM]، در 6 دمای مختلف انجام شد. تعداد زیادی توصیف کننده توسط نرم افزارهای هایپرکم و دراگون محاسبه شدند. بهترین توصیف‎کننده‎ها، با استفاده از دو روش رگرسیون مرحله ای (SR) و اتحاد جداسازی داده و انتخاب خاصیت (CDFS) انتخاب گردیدند. 12 توصیف کننده به عنوان بهترین توصیف کننده ها توسط روش SR انتخاب شدند. همچنین 7 توصیف کننده ی مهم مولکولی و یک متغیر تجربی (دما) توسط روش CDFS انتخاب شدند. توصیف کننده های انتخابی توسط دو روش به عنوان ورودی به شبکه ی عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) وارد شدند. پس از آموزش و بهینه سازی پارامترهای ANN و SVM، عملکرد هر یک از مدل ها با استفاده از سری تست مورد ارزیابی قرار گرفت. مقدار متوسط مربعات خطا برای داده های سری تست از چهار مدل SR-ANN، CDFS-ANN، SR-SVM و CDFS-SVM، به ترتیب مقادیر 0/0515، 0/1322، 0/0836 و 0/0988 به دست آمد. نتایج به دست آمده برتری مدل SR-ANN را نسبت به سایر مدل ها نشان داد.",
        "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_QD254.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"
    }
}