{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD48",
        "title": "مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروه ها برای پیش بینی دانسیته ی آلکان ها وسیکلوآلکان ها در محدوده ی وسیعی از دما و فشار",
        "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": "1388",
        "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": "QD48",
        "title": "مدل سازی شبکه عصبی موجک با استفاده از روش سهم گروه ها برای پیش بینی دانسیته ی آلکان ها وسیکلوآلکان ها در محدوده ی وسیعی از دما و فشار",
        "degree": null,
        "faculty": "شیمی",
        "year": 1388,
        "authors": [
            {
                "name": "سمیرا شعبانی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "زهرا کلانترکهدمی",
                "role": "استاد راهنما"
            },
            {
                "name": "حسین نیکوفرد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "شبکه عصبی موجک",
            "دانسیته",
            "روش سهم گروه",
            "آلکان",
            "سیکلوآلکان"
        ],
        "abstract": "در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است.  دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها.\r\n     در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و  توصیف‎کننده بر مبنای روش سهم گروه شامل متیل و متیلن طراحی گردید. سپس جهت به کارگیری شبکه عصبی موجک، برنامه ی رایانه ی در محیط MATLAB نوشته شد و پس از آموزش شبکه، پارامترهای شبکه شامل ممنتم، سرعت آموزش، تعداد نرون لایه ی مخفی و تعداد دور آموزش بهینه‎سازی گردید. کارایی شبکه ی بهینه شده با رسم نمودار مقادیر تجربی دانسیته بر حسب مقادیر پیش بینی شده برای دو سری پیش بینی و تایید مورد ارزیابی قرار گرفت. نتایج حاصل با متوسط درصد خطای نسبی کمتر از 9/0% کارایی مطلوب شبکه را تایید می کند.\r\n    در مرحله ی بعد، مدل شبکه ی عصبی موجک برای پیش بینی دانسیته‎ی آلکان های خطی از 5 تا 19 کربنه وسیکلوآلکان-ها با 5 توصیف کننده شامل دما وفشار و تعداد گروه های متیل، متیلن و متین طراحی و بهینه سازی گردید. رفتار کاملاّ خطی با ضریب همبستگی R^2≥0/9486 مشاهده گردید. این روش دانسیته ی این ترکیبات را با متوسط درصد خطای نسبی کمتر از 1/1% پیش بینی می کند.",
        "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_QD48.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"
    }
}