26802

مدلسازي QSPR خواص ايمني تركيبات آلكيل استر با تأكيد بر سوخت هاي زيستي

كارشناسي ارشد

مهندسي شيمي

1400-1401

1401/4/13

دكتر محمدامين ثباتي

مهندسي شيمي،نفت و گاز

اين پژوهش با هدف پيش¬بيني خواص ايمني آلكيل¬استرهاي اسيدچرب خالص صورت گرفته است. مطالعه و بررسي تجربي خواص ايمني از آنجايي كه بيشتر با تركيبات اشتعال‌پذير سروكار دارد خطرناك ، زمان‌بر و پرهزينه‌ است پس براي بدست آوردن خواص ايمني مي‌توان به روش‌هاي جايگزين روي آورد. در اين مطالعه خواص ايمني دماي اشتعال، دماي خود¬اشتعالي، دماي پايين اشتعال، دماي بالاي اشتعال، حدپايين اشتعال و حد بالاي اشتعال مورد مطالعه قرار گرفته است.براي توسعه مدل¬ها از روش ارتباط¬كمي ساختار-خصوصيت(QSPR) استفاده شده و تمامي تركيباتي كه در خانواده آلكيل استرها قرار مي¬گيرند از پايگاه داده معتبر DIPPR جمع¬آوري شده¬اند. در اين روش، خواص ساختاري تركيبات كه از آن¬ها با عنوان توصيف¬كننده¬هاي مولكولي ياد مي¬شود به ويژگي مورد مطالعه ارتباط مي¬يابد؛ يعني به عبارتي ويژگي مدنظر به عنوان تابعي از توصيف¬كننده¬هاي مولكولي درمي¬آيد. در اين پژوهش شش خاصيت ايمني دماي خوداشتعالي با يك دسته داده حاوي 126 تركيب از گروه آلكيل استرها ، حدپايين اشتعال با يك دسته داده حاوي 178 تركيب و دماي اشتعال،دماي پايين اشتعال،دماي بالاي اشتعال و حد بالاي اشتعال با دسته داده¬هاي حاوي 179 تركيب مورد بررسي و مدلسازي قرار گرفت.براي انتخاب توصيف‌كننده‌ها از روش جايگزيني بهبود يافته (ERM) استفاد شده و براي خواص ايمني دماي خوداشتعالي شش توصيف‌كننده، دماي اشتعال چهار توصيف‌كننده ،دماي پايين اشتعال چهار توصيف‌كننده،دماي بالاي اشتعال چهار توصيف‌كننده، درصد حجمي حد پايين اشتعال چهار توصيف‌كننده و درصد حجمي حد بالاي اشتعال چهار توصيف‌كننده مورد بررسي و مطالعه قرار گرفتند. در نهايت يك مدل خطي چندمتغيره و سه مدل غيرخطي با روش برنامه¬ريزي ژنتيك،ماشين بردار پشتيبان و جنگل تصادفي براي هركدام از خاصيت¬ها توسعه داده شد. ضريب تعيين(R2) برترين مدل¬هاي بررسي شده دماي-خوداشتعالي،دماي اشتعال،دماي پايين اشتعال،دماي بالاي اشتعال،حد پايين اشتعال و حدبالاي اشتعال بترتيب 0.735، 0.977، 0.979، 0.979، 0.988 و 0.922 بدست آمدند.

1401/05/09

QSPR modeling of alkyl esters’ safety properties with emphasis on biodiesel

7/4/2023 12:00:00 AM

. In this study, the safety properties such as autoignition temperature, flash point, lower and upper flammability temperature, lower flammability limit(V%), and upper flammability limit(V%) of any alkyl ester available in the DIPPR database were gathered and studied to develop models for predicting these properties for fatty acid alkyl esters; the quantitative structure-property relationship was the method which was applied for creating these models. In this method, the main objective is to create a reliable mathematical relationship between the desired property (here, safety properties) and the structure of components gathered to develop the model (here, alkyl esters). The number of data points gathered for each safety property is 126, 179, 179,179,178,179 for AIT, flashpoint, LFLT, UFLT, LFL(V%), and UFL(V%), respectively. A total number of 4 models (3 nonlinear models created with machine learning methods such as genetic programming, support vector machine, and random forest and one linear model created with multiple linear regression) were developed for each property. The statistic parameter R2 calculated from examining the best models’ reliability for the whole dataset are reported as below: 0.735 for AIT, 0.977 for flashpoint, 0.979 for lower flammability limit temperature, 0.979 for upper flammability temperature, 0.988 for lower flammability limit(V%) and 0.922 for upper flammability limit(V%).

خواص ايمني , ارتباط كمي ساختار-خصوصيت , يادگيري ماشين

safety properties , QSPR , machine learning

Zeinab Heidari

Mohammad Amin sobati