با روش GA-stepwise MLR توصیفگرهایی برای همبستگی های مختلف مربوط به هدف A انتخاب شدند که به شرح زیر می باشند:

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

توصیفگرهای انتخاب شده برای همبستگی با هدف ۰٫۳ به ترتیب عبارتند از:
Mor23m, HATS5m, R3P+, R3e+, RDF035m, HATS0m, R3v+, RDF050u, Mor13m, Gm, Mor26e, G3m, Mor02u
توصیفگرهای انتخاب شده در این بخش جزء گروه های سه بعدی می باشند..
کلیه توصیفگرهای بدست آمده دسته بندی مختلفی دارند که به صورت زیر می باشند:
توصیفگرهای Mor23m, Mor13m و Mor26e در دسته ۳D-MoRSE ، توصیفگرهایHATS0m, HATS5m, R3P+, R3e+, R3v+, در دسته GETAWAY و توصیفگر هایG3mوGM در دسته WHIM و توصیفگرهای RDF050u و RDF035m در دسته RDF قرار دارد.
توصیفگرهای انتخاب شده ویژگی هایی چون قطبش پذیری، الکترونگاتیویته، حجم واندروالس و مجموعه ایی از شاخص های آروماتیسیته را برای همبستگی با هدف ۰٫۳ توصیف می کند. (جدول ۳).
توصیفگرهای انتخاب شده برای همبستگی با هدف ۰٫۴ به ترتیب عبارتند از:
R3v+, HATS0v, HATS5m, R7u+, H4u, HATS1v, HATS0m, HATS2m, Gm, Gs, G3m, Mor25, BIC3
توصیفگرهای انتخاب شده در این بخش جزء گروه های سه بعدی و دو بعدی می باشند.
توصیفگرهای R3v+, HATS0v, HATS5m, R7u+, H4u, HATS1v, HATS0m, HATS2m, Gm, Gs, G3m, Mor25 در گروه سه بعدی و توصیفگر BIC3 جزء گروه دو بعدی می باشند.
کلیه توصیفگرهای بدست آمده دسته بندی مختلفی دارند که به صورت زیر می باشند:
توصیفگر R3v+, HATS0v, HATS5m, R7u+, H4u, HATS1v, HATS0m, HATS2m در دسته GETAWAY قرار دارد.
توصیفگرهای Gm, Gs, G3m در دسته WHIMو توصیفگر دو بعدی BIC3 در دسته information indices قرار دارند.
توصیفگرهای انتخاب شده ویژگی هایی چون قطبش پذیری، الکترونگاتیویته، حجم واندروالس و مجموعه‎ایی از شاخص های آروماتیسیته را برای همبستگی با هدف ۰٫۴ توصیف می کند (جدول ۴).
مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف ۰٫۳ اندازه گیری شد که کمترین مقدار RMSEtest مربوط به لایه ۶ با مقدار ۰٫۶۷۳۸ و کمترین مقدار RMSEtrain مربوط به لایهای ۸ , ۹ با مقدار ۱۴۰۷ میباشد.
همچنین مقادیر عددی پارامتر RMSE با روش GA-ANN برای همبستگی با هدف ۰٫۴ اندازه گیری شد که کمترین مقدار RMSEtest مربوط به لایه ۸ با مقدار ۰٫۶۲۵۷ و کمترین مقدار RMSEtrain مربوط به لایه ۱۰ با مقدار ۰٫۱۴۰۳ میباشد.(جدول ۵-۶)
با توجه به نمودارهای بدست آمده با روش GA-ANN برای همبستگی های مختلف، فراوانی توصیفگرها به شرح زیر می باشند (نمودارهای۴-۳):
فراوانی حاصل از توصیفگرهای مولکولی برای همبستگی با هدف ۰٫۳ به قرار زیر است:
فراوانی توصیفگرهای شماره ۳۵ و ۴۷ از بقیه توصیفگرها بالاتر بوده به طوریکه در چندین باری که با این روش انجام شد در همه دفعات عدد یک بدست آمد که نشان از مناسب بودن این توصیفگرها می باشد، اما در توصیفگرهای شماره ۱۰، ۳۲، ۳۴، ۴۳، ۴۵، ۵۰، ۵۴ و ۹۴ فراوانی بدست آمده در دفعات مختلف عدد صفر بوده که نشان از نامناسب بودن این توصیفگرها می باشد. توصیفگرهای مناسب عبارتند از:
MATS5m (جرم اتمی) و Mor23m (جرم اتمی)
فراوانی حاصل از توصیفگرهای مولکولی برای همبستگی با هدف ۰٫۴ به قرار زیر است:
فراوانی توصیفگر شماره ۲، ۲۶ و ۴۳ از بقیه توصیفگرها بالاتر بوده به طوریکه در چندین باری که با این روش انجام شد در همه دفعات عدد یک بدست آمد که نشان از مناسب بودن این توصیفگر می باشد اما در توصیفگرهای شماره ۴، ۱۸، ۱۹، ۲۵، ۲۷، ۲۹، ۳۱، ۳۹ فراوانی بدست آمده در دفعات مختلف عدد صفر بوده که نشان از نامناسب بودن این توصیفگرها می باشد. توصیفگرهای مناسب عبارتند از:
MATS5m (جرم اتمی) و GS (جرم اتمی)
با توجه به داده های بدست آمده از روش GA-stepwise MLR به نتایج زیر برای همبستگی های مختلف مربوط به هدف بدست امد:
در همبستگی ۰٫۳ بالاترین مقدار R مربوت به لایه ۸ با مقدار عددی ۰٫۸۵۰ و بالاترین مقدار R-Square مربوت به لایه ۸ با مقدار عددی۰٫۷۲۳ می باشد، همچنین در این روش مقدار عددی پارامتر F برای هر مدل تعریف شده است و مقدار R بدست آمده از این روش در نموداری که نسبت پیش بینی و مشاهدات آمده، برای همبستگی های مختلف مورد بررسی قرار گرفته است.
در همبستگی ۰٫۴ بالاترین مقدار R مربوط به لایه ۲ با مقدار عددی ۰٫۸۲۴ و بالاترین مقدار R-Square مربوت به لایه ۲ با مقدار عددی ۰٫۶۷۹ می باشد، همچنین در این روش مقدار عددی پارامتر F برای هر مدل تعریف شده است و مقدار R بدست آمده از این روش در نموداری که نسبت پیش بینی و مشاهدات آمده، برای همبستگی های مختلف مورد بررسی قرار گرفته است(جدول ۲۷-۲۸)
مقادیر عددی توصیفگرهای انتخاب شده با روش GA-stepwise MLR برای همبستگی با هدف ۰٫۳ و ۰٫۴ گزارش شد( جدول ۳۰-۲۹)
نتایج بدست آمده با بهره گرفتن از روش های PLS، GA-PLS، PCR، GA-PCR و مقایسه روش ها با هم، برای همبستگی های مختلف به شرح زیر می باشد:
در روش PLS بیشترین مقدار R-Square و همبستگی مربوط به Calibration و برای ۰٫۴ است، همچنین بیشترین مقدار R-Square و همبستگی مربوط به Validation و برای ۰٫۴ می باشد. در این روش مقدار B0 برای همبستگی با هدف ۰٫۴ از همه بالاتر و برای همبستگی با هدف ۰٫۳ از همه کمتر بوده است. کمترین مقدار RMSE مربوط به Calibration و برای ۰٫۴ و کمترین این مقدار مربوط به Validation برای ۰٫۴ بوده اما تغییرات آن برای همبستگی های مختلف به یک شکل می باشد (جدول ۳۱).
در روش GA-PLS برای همبستگی با هدف ۰٫۳ و ۰٫۴ و لایهای مختلفRMSE و R-Squareمتفاوتی بدست امد : (جدول۳۲-۳۳).
در لایه شماره ۲ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۳ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۴ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۴می باشد
در لایه شماره ۳ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۴ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۳ می باشد. باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۴می باشد
در لایه شماره ۴ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۴ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۳ می باشد باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۴می باشد
در لایه شماره ۵ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۴ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۳ می باشد باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۳می باشد.
در لایه شماره ۶ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۴ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۴ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای۰٫۳ می باشد.
در لایه شماره ۷ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۳ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۳ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۴ و RMSE مربوط به Validation برای ۰٫۴می باشد.
در لایه شماره ۸ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۳ می باشد، و بیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۴ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۴ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۴می باشد
در لایه شماره ۹ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۳ می‎باشد، وبیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۳ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۴ و RMSE مربوط به Validation برای ۰٫۴میباشد.
در لایه شماره ۱۰ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۳ می باشد، وبیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۴ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۴ و RMSE مربوط به Validation برای ۰٫۴می باشد.
در لایه شماره ۱۱ : بیشترین مقدار R-Square و همبستگی مربوط به Calibration برای ۰٫۴ می باشد، وبیشترین مقدار R-Square و همبستگی مربوط به Validation مربوط به ۰٫۳ می باشد و بیشترین مقدار B0 مربوط به همبستگی با هدف ۰٫۴ می باشد و بیشترین مقدار RMSE مربوط به Calibration برای ۰٫۳ و RMSE مربوط به Validation برای ۰٫۴می باشد(جدول۳۲-۳۳).
به طور کلی با مقایسه دو روش PLS و GA-PLS به نتایج زیر دست پیدا می کنیم:
بیشترین مقدار R-Square مربوط به Calibration برای همبستگی با هدف ۰٫۳ برای لایه ۷ با مقدار عددی ۰٫۳۶۸۵۴۷ می باشد.
بیشترین مقدار R-Square مربوط به Calibration برای همبستگی با هدف ۰٫۴ برای لایه ۱۱ با مقدار عددی ۰٫۴۱۲۹۰۹ می باشد.
بیشترین مقدار R-Square مربوط به Validation برای همبستگی با هدف ۰٫۳ برای لایه ۵ با مقدار عددی ۰٫۷۶۰۳۵۰ می باشد.
بیشترین مقدار R-Square مربوط به Validation برای همبستگی با هدف ۰٫۴ برای لایه ۱۱ با مقدار عددی ۰٫۵۸۴۳۴۷ می باشد.
بیشترین مقدار RMSE مربوط به Calibration برای همبستگی با هدف ۰٫۳ برای لایه ۵ با مقدار عددی ۰٫۷۸۴۲۰۳ می باشد
بیشترین مقدار RMSE مربوط به Calibration برای همبستگی با هدف ۰٫۴ برای لایه ۵ با مقدار عددی ۰٫۶۸۶۴۶۸ می باشد.
بیشترین مقدار RMSE مربوط به Validation برای همبستگی با هدف ۰٫۳ برای لایه ۶ با مقدار عددی ۰٫۶۸۶۴۰۹ می باشد.
بیشترین مقدار RMSE مربوط به Validation برای همبستگی با هدف ۰٫۴ برای لایه ۹ با مقدار عددی ۰٫۵۳۹۶۰۰ می باشد.
بیشترین مقدار B0 برای همبستگی با هدف ۰٫۳ مربوط به لایه ۴ و برای همبستگی با هدف ۰٫۴ مربوط به لایه ۱۱ می باشد(جدول۳۱-۳۲ ).
در روش PCR بیشترین مقدار R-Square مربوط به Calibration برای همبسگی با هدف ۰٫۳ است،. در این روش مقدار B0 برای همبستگی با هدف ۰٫۳ از همه بالاتر است. کمترین مقدار RMSE مربوط به Calibration برای همبسگی با هدف ۰٫۳ بوده اما تغییرات آن برای همبستگی های مختلف به یک شکل می‎باشد. (جدول ۳۴).

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...