{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QD136",
        "title": "مطالعه ی ارتباط کمّی ساختار- خاصیت هدایت گرمایی برای آلکان ها با استفاده از روش های خطی و غیر خطی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1391",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QD136",
        "title": "مطالعه ی ارتباط کمّی ساختار- خاصیت هدایت گرمایی برای آلکان ها با استفاده از روش های خطی و غیر خطی",
        "degree": null,
        "faculty": "شیمی",
        "year": 1391,
        "authors": [
            {
                "name": "اعظم ایزدی یزدان آبادی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "زهرا کلانترکهدمی",
                "role": "استاد راهنما"
            },
            {
                "name": "ناصر گودرزی",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "رابطه ی کمّی ساختار- خاصیت(QSPR)",
            "شبکه ی عصبی مصنوعی(ANN)",
            "هدایت گرمایی(λ)",
            "رگرسیون چندگانه خطی مرحله ای(MLR)",
            "اتحاد جداسازی داده و انتخاب خاصیت(CDFS)",
            "الگوریتم ژنتیک(GA)"
        ],
        "abstract": "هدف اصلی از کار حاضر گسترش روش رابطه ی کمّی ساختار- خاصیت (QSPR) با استفاده از شبکه ی عصبی مصنوعی برای پیش بینی هدایت گرمایی آلکان های خطی در محدوده ی وسیعی از دما و فشار است. مدل سازی برای پیش بینی این خاصیت با استفاده از سه روش انتخاب توصیفگر شامل رگرسیون خطی چندگانه مرحله ای(MLR)، اتحاد جداسازی داده و انتخاب خاصیت(CDFS) و الگوریتم ژنتیک(GA) انجام گرفت. سپس توصیفگرهای انتخابی هر روش به عنوان ورودی شبکه ی عصبی مصنوعی سه لایه مورد استفاده قرار گرفتند. \r\nبا استفاده از روش مولفه های اساسی سری داده ها به سه دسته آموزش(798نقطه داده)، ارزیابی\r\n(201نقطه داده) و سری تست(216 نقطه داده )دسته بندی شدند.\r\nبعد از آموزش و بهینه سازی پارامترهای شبکه (شامل وزن-ها و بایاس ها)، مدل های بهینه شده برای ارزیابی داده-های سری تست به کار گرفته شدند. میانگین مربعات خطای بدست آمده از سه روش MLR-ANN، CDFS-ANN و GA-ANNبرای سری تست به ترتیب مقادیر 1/1757، 1/0411 و 1/1079 است. نتایج نشان می دهند که هر سه مدل غیر خطی طراحی شده برای پیش بینی هدایت گرمایی آلکان های خطی نتایج خوبی ارائه می کنند اما مدل بهینه شده با روش CDFS-ANN تا حدی نتایج بهتری دارد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QD136.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}