fa معرفی دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پرانرژی با استفاده از رگرسیون خطی چندگانه و شبکه‌ی عصبی مصنوعی(علمی-ترویجی) مدلسازی مدلسازی ترویجی T چکیده در این مقاله دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پر انرژی معرفی شده است. مقادیر تجربی گرمای انفجار 74 ترکیب پرانرژی از مراجع جمع‌آوری شده و در دو دسته‌ی آموزشی و آزمایشی قرار گرفتند. از دسته‌ی آموزشی برای ایجاد مدل و از دسته‌ی آزمایشی برای امتحان صحت و دقت مدل ساخته شده استفاده شد. از رگرسیون خطی چندگانه (MLR) برای شناسایی توصیف کننده‌ها و ارائه‌ی مدل خطی، و از شبکه‌ی عصبی مصنوعی (ANN) برای ارائه‌ی مدل غیر خطی استفاده شد. در مدل MLR مقادیر R2 و خطای استاندارد برای دسته‌ی تست این ترکیبات به ترتیب 798/0 و j/gr 48 /606 به دست آمدند. این شاخص‌های آماری برای مدل شبکه‌ی عصبی مصنوعی 98/0 و j/gr 4 /189 به دست آمدند که با توجه به بالا بودن مقدار R2 و کم بودن مقادیر خطای استاندارد بخصوص برای مدل ارائه شده به کمک شبکه عصبی، می‌توان نتیجه گرفت که مقادیر محاسبه شده همخوانی خوبی با نتایج تجربی دارند. نتایج به دست آمده از این روش‌ها همچنین با نتایج به دست آمده از کدهای EDPHT و LOTUSE مقایسه شدند و از دقت بیشتری برخوردار بودند. Abstract In this work tow simple approaches have been introduced to predict heat of explosion of high energetic materials. experimental heat of explosion of 74 energetic compound were collected from articles and this dataset was separated randomly into two groups, training and prediction sets, respectively, which were used for generation and evaluation of suitable models. Multiple linear regression (MLR) analysis was employed to select the best subset of descriptors and to build linear models while nonlinear models were developed by means of artificial neural network (ANN). The obtained models with four descriptors involved show good predictive power for the test set: a squared correlation coefficient (R2) of 0.798 and a standard error of estimation (s) of 606.48 were achieved by the MLR model while by the ANN model, R2 and SE were 0.98 and 189.4, respectively. Based on the large R2 -value and small SE values, significantly for ANN model, one can deduce that the predicted results are in good agreement with the measured values. Calculated heats of explosion are also compared with corresponding two famous cods, namely EDPHT and LOTUSE. It can be seen that the performance of the present models is better than these cods واژه‌های کلیدی: مواد پرانرژی, گرمای انفجار, رگرسیون خطی چندگانه, شبکه‌ی عصبی مصنوعی Key words: energetic materials, heat of explosion, Multiple linear regression, artificial neural network 67 80 http://isaem.ir/browse.php?a_code=A-10-70-3&slc_lang=fa&sid=1 mehdi rahmani مهدی رحمانی rahmani.mehdi82@gmail.com 10031947532846004524 10031947532846004524 Yes هوافضا mohamad kazem vahedi محمد کاظم واحدی m.vahedi@gmail.com 10031947532846004525 10031947532846004525 No هوافضا mahmoodreza mahmoodnejad محمود رضا محمود نژاد mahmodinejad@aio.ir 10031947532846004526 10031947532846004526 No هوافضا behzad ahmadi بهزاد احمدی Ahmadi_behzad2008@yahoo.com 10031947532846004527 10031947532846004527 No هوافضا