توسعه مدل‌های رابطه های کمی ساختار-ویژگی برای پیش‌بینی حد اشتعال‌پذیری بالای ترکیب‌های آلی

در این مطالعه، معادله کمی ساختار-ویژگی ((qspr برای پیش‌بینی حد اشتعال‌پذیری بالای (ufl) 588 ترکیب آلی شامل ترکیب‌های هیدروکربنی، ترکیب‌های هالوژن دار، الکل‌ها، اترها، استرها، آلدهیدها، کتون‌ها، اسیدها، آمین‌ها، آمیدها، نیتریل‌ها، و ترکیب‌های نیترو مورد مطالعه قرار گرفت. طیف گسترده‌ای از توصیف‌کننده‌ها برای هر مولکول محاسبه شد. الگوریتم کولونی مورچگان حافظه‌دار (m-aco) همراه با برازش خطی چند متغیره (mlr) برای انتخاب بهترین زیر مجموعه توصیف‌کننده‌هایی که سهم چشمگیری در ویژگی ufl دارند به کار برده شد. تبدیل متغیرهای متفاوتی در هر دو متغیر وابسته و مستقل به منظور دستیابی به مدل‌های برازش خطی چندمتغیره با کارایی بهتر انجام شد. بهترین مدل یک مدل چهار متغیره بود که با استفاده از توصیف‌کننده‌های محاسبه شده به عنوان متغیر مستقل و لگاریتم مقدارهای ufl به عنوان متغیر وابسته به دست آمد. این مدل دارای گستره کاربردی بسیار وسیعی شامل مقدارهای ufl بین 2.7 تا 100 درصد حجمی است. خطای آموزش مدل 0.1 واحد log ufl (0.80=r2) و خطای پیش‌بینی 0.12 واحد log ufl (0.75=r2) است. بنابراین، مدل از درستی خوبی برخوردار است و می‌تواند برای پیش‌بینی ufl گستره وسیعی از ترکیب‌های آلی به کار رود.

development of quantitative structure-property relationship models to predict the upper flammability limit of organic compounds

in this study, the quantitative structure-property relationship (qspr) was proposed to predict the upper flammability level (ufl) of 588 organic compounds including hydrocarbon compounds, halogenated compounds, alcohols, ethers, esters, aldehydes, ketones, acids, amines, amides, nitriles, and nitro compounds. a variety of molecular descriptors were calculated for each molecule. the memorized-ant colony algorithm (m-aco) combined with multivariate linear regression (mlr) was used to select the best subset of descriptors that have a significant contribution to the ufl property. different variable transformations were performed on both dependent and independent variables to obtain better multiple linear regression models. the best model was a four-variable model obtained by using the calculated descriptors as independent variables and the logarithm of ufl values as the dependent variable. this model has a very wide applicability range of ufl from 2/7 to 100 vol %. the training and test errors of the model were found to be 0/1 log ufl unit (r2 = 0.80) and 0.12 log ufl unit (r2 = 0.75), respectively. therefore, the model has good accuracy and can be used to predict the ufl of a wide range of organic compounds.