{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD60",
        "title": "پیش بینی پارامتر حلالیت تعدادی حلال آلی با استفاده از روش های  QSPR 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": "QD60",
        "title": "پیش بینی پارامتر حلالیت تعدادی حلال آلی با استفاده از روش های  QSPR خطی و غیر خطی",
        "degree": null,
        "faculty": "شیمی",
        "year": 1389,
        "authors": [
            {
                "name": "هنگامه سلیمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد راهنما"
            },
            {
                "name": "قدمعلی باقریان دهقی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ارتباط کمّی ساختار - ویژگی",
            "رگرسیون خطی چندگانه",
            "شبکه عصبی مصنوعی",
            "پارامترحلالیت",
            "شاخص بازداری"
        ],
        "abstract": "در این پروژه، مطالعات ارتباط کمّی ساختار - ویژگی بر روی پارامتر حلالیت 70 حلال پلی مر در بخش اول، و شاخص بازداری 70 ترکیبِ موجود در روغن های ضروری در بخش دوم صورت گرفت. پارامتر حلالیت خاصیت فیزیکو شیمیایی ذاتی یک ترکیب است. این خاصیت روش عددی ساده ای برای پیش‎بینی سریع خواص اساسی مولکول فراهم می کند. یکی از کاربردهای بسیار مهم پارامتر حلالیت، ارزیابی امتزاج پذیری مواد با هم می باشد.\r\n روغن های ضروری گیاهی و ترکیبات آنها کاربرد گسترده ای در طب سنتی، طعم دار کردن غذا، و صنایع عطر سازی و دارویی دارند. رگرسیون مرحله ای برای انتخاب توصیف کننده ها به کار گرفته شد. مدل سازی از طریق دو روش خطی (رگرسیون خطی چندگانه؛ MLR) و غیر خطی (شبکه عصبی مصنوعی؛ ANN) انجام شد. اعتبار این مدل ها علاوه بر به کارگیری سری تست، توسط تکنیک‎‎های حذف مرحله ای تک تک و Y- تصادفی بررسی شد. هر دو روش خطی و غیرخطی توانایی پیش‎بینی خوبی دارند، اما مدل ANN در هر دو مورد نتایج صحیح‎تری دارد. در بخش اول این تحقیق، ضریب همبستگی سری تست توسط مدل‎های MLR و ANN به ترتیب 0/968 و 0/975 بودند. در بخش دوم، ضریب همبستگی سری تست توسط مدل‎های MLR و ANN به ترتیب 0/949 و 0/964 بودند.",
        "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_QD60.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"
    }
}