جلد 18، شماره 2 - ( مواد پرانرژی تابستان 1402 )                   جلد 18 شماره 2 صفحات 106-99 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

زهری نرگس، رنجبربجستانی ایمان، چگنی میترا. ارائه مدل پیش‌بینی حساسیت به ضربه مبتنی بر ویژگی‌های ساختاری کوکریستال‌های پرانرژی. نشریه مواد پرانرژی. 1402; 18 (2) :99-106

URL: http://isaem.ir/article-1-1490-fa.html


دانشگاه مالک اشتر ، nargeszohari@gmail.com
چکیده:   (377 مشاهده)
در این تحقیق از روش رگرسیون خطی چندگانه (MLR) به‌عنوان یک روش ایمن، سریع­، ارزان و متداول­ برای پیش­بینی حساسیت به ضربه‌ی کوکریستال‌های پرانرژی استفاده گردید. برای این منظور، داده­های مربوط به 22 ترکیب کوکریستال پرانرژی از منابع مختلف جمع‌آوری و سپس با استفاده از نرم‌افزار DRAGON، تعدادی توصیف‌کننده مولکولی مانند ترکیب شیمیایی، تعداد اتم‌ها، گروه‌های عاملی و ... استخراج شد. سپس با انتخاب بهترین توصیف‌کننده‌های مؤثر بر حساسیت به ضربه کوکریستال‌های پرانرژی از قبیل تعداد اتم‌های کربن، اکسیژن، کلر و برم و همچنین تعداد حلقه‌های ۹ عضوی در ساختار کوکریستال، مدلی با ضریب تعیین رابطه خطی )(R2 954/0 به دست آمد. انحراف ریشه میانگین مربعات (RMSD) و میانگین انحراف مطلق (AAD) به ترتیب 55/4 و 53/3 ژول محاسبه گردید. همچنین برای ارزیابی صحت و قدرت پیش­بینی مدل از روش‌های اعتبار سنجی داخلی با مقادیر قابل‌قبول (927/0= Q2LOO و 958/0= Q2LMO) استفاده شد. تمامی محاسبات نشان‌دهنده اعتبار بالای مدل به‌دست‌آمده هستند که می­تواند مدلی منحصربه‌فرد جهت پیش­بینی حساسیت به ضربه کوکریستال­های پرانرژی باشد.

 
متن کامل [PDF 1395 kb]   (18 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مدلسازی
انتشار: 1403/1/11

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iranian Scientific Association of Energetic Materials

Designed & Developed by : Yektaweb