|
|
|
|
کاربرد روش ماشین یادگیری qspr در پیش‌بینی ضریب توزیع نرنست ترکیبات گوگردی در فرایند گوگردزدایی از سوخت با مایعات یونی
|
|
|
|
|
|
|
|
نویسنده
|
ابراهیم‌پور گرجی علی ,ثباتی محمدامین
|
|
منبع
|
همايش بين المللي هوش مصنوعي، علم داده و تحول ديجيتال در صنعت نفت و گاز - 1401 - دوره : 1 - همایش بین المللی هوش مصنوعی، علم داده و تحول دیجیتال در صنعت نفت و گاز - کد همایش: 01221-37478 - صفحه:0 -0
|
|
چکیده
|
حضور ترکیبات گوگردی در سوخت‌ها، منجر به ایجاد مزاحمت‌هایی در بخش انتقال و مصرف سوخت می‌شود. لذا، فرایند گوگردزدایی استخراجی از سوخت‌ها با استفاده از مایعات یونی می‌تواند مرکز توجهات بسیاری از محققان گردد. در این مطالعه سعی شده است تا با کمک داده های تجربی ضریب توزیع نرنست ترکیبات گوگردی بین فازهای غنی از مایعات یونی و غنی از حلال هیدروکربنی، مدلی پیش‌بینی کننده مبتنی بر الگوریتم ماشین یادگیری در جهت پیش‌بینی این خاصیت توسعه داده شود. این ماشین یادگیری، رابطه کمی ساختار-ویژگی (qspr) است. قبل از محاسبه توصیف کننده ها، هر یک از ساختارهای ترکیبات گوگردی با تئوری تابع چگالی (dft) و بر پایه b3lyp و ++g (d,p) 6-311 به کمک نرم‌افزار گائوسین بهینه شدند. بر اساس مدل به‌دست‌آمده، مشخص شده است که از بین تعداد زیادی توصیف‌کننده مولکولی از ساختارهای ترکیبات گوگردی، تنها یک توصیف‌کننده ساختاری با این خاصیت موردمطالعه رابطه کمّی و کیفی دارد. ضریب تعیین مدل به‌دست‌آمده برابر 93/0r2 = می‌باشد. داده های پیش بینی شده با داده های تجربی مطابقت خوبی داشتند. توصیف‌کننده مولکولی از نوع نمایش سه‌بعدی مولکولی از ساختار که بر پایه‌ی پراش الکترونی می‌باشد. با این توصیف‌کننده پیش‌بینی خاصیت موردمطالعه برای ساختارهای جدیدی از ترکیبات گوگردی امکان‌پذیر است.
|
|
کلیدواژه
|
گوگردزدایی استخراجی، یادگیری ماشین، رابطه کمّی ساختار-ویژگی (qspr)، مایعات یونی، ضریب توزیع نرنست (kn)
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
sobati@iust.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Application of Machine Learning based- QSPR in the prediction of the Nernst distribution coefficient of the S-containing compounds for the extractive desulfurization process from the fuel using Ionic Liquids
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|