فهرست نشریات علمی دسترسی آزاد ایران

در این مطالعه، از یک روش مدل‌سازی جدید با استفاده از مدل QSAR و شبکه عصبی مصنوعی برای پیش­بینی عدد تجمع برخی از سورفکتانت‌های آنیونی در محلول آبی در دمای 25 درجه سانتی‌گراد استفاده شده است. عدد تجمع مایسل با استفاده از اندازه‌گیری‌های هدایت الکتریکی و روش اوانس برای سورفکتانت‌های آنیونی در محلول‌های آبی تعیین شد. اما نتایج به دست آمده با استفاده از این روش، نتایج حاصل از از روش فلورسانس مطابقت خوبی نداشت از آنجائی­که روش فلورسانس روش دقیق­تری برای محاسبه عدد تجمع مایسل­ها می­باشد به همین دلیل از نتایج روش فلورسانس در این مطالعه استفاده شد. به منظور ارتباط ساختار مولکولی این سورفکتانت­ها با عدد تجمع آن­ها، مطالعه ارتباط کمی ساختار-خاصیت (QSPR)  انجام شد. یک مدل شبکه عصبی مصنوعی (ANN)  برای پیش­بینی عدد تجمع سورفکتانت‌های آنیونی با استفاده از چهار مورد از بیش از 3200 توصیف‌گر مولکولی، محاسبه ‌شده توسط نرم‌افزار Dragon، به عنوان متغیرهای ورودی، توسعه داده شد. اهمیت توصیف­گرهای انتخابی بر اساس روش ANN محاسبه شدند که ترتیب اهمیت آنها بدین صورت می باشد: nC> X5V> MWC05> MWC04. مجموعه کامل 24 سورفکتانت آنیونی به صورت تصادفی به یک مجموعه آموزشی 16 تایی، یک مجموعه آزمایشی 4 تایی و یک مجموعه اعتبارسنجی 4 تایی تقسیم شدند. همچنین از تحلیل رگرسیون خطی چندگانه (MLR) برای ساخت یک مدل خطی با استفاده از توصیف‌گرهای مشابه استفاده شد. ضریب همبستگی (R2) و ریشه میانگین مربعات خطا (RMSE) مدل­های ANN و MLR (برای کل مجموعه داده­ها) به ترتیب 94/0، 99/4 و 82/0، 38/8 بود. R2بالاتر روش ANN نشان داد که رابطه بین توصیف­گرها و عدد تجمع ترکیبات، غیرخطی است.