دراسة تطبيق طريقة QSPR للتنبؤ بالمحتوى الحراري القياسي لتكوين المركبات العضوية في الطور الغازي باستخدام الواصفات الجزيئية

Abstract

يعد التقييم الدقيق للمحتوى الحراري القياسي لتكوين المركبات واعتماده على درجة الحرارة أمرًا بالغ الأهمية في دراسة الديناميكا الحرارية وسلوك المواد. يعتمد الحساب النظري للإنثالبي القياسي الحراري للتكوين على معادلة معقدة تعتمد على العلاقة بين المتغيرات الحرارية ومعادلة الحالة، حيث لا تتوفر صيغة صريحة لحساب هذه القيمة. لذلك، كان تطوير نماذج QSPR )العلاقة الكمية بين التركيب الكيميائي والخصائص الفيزيائية( ضروريًا للتنبؤ بالخصائص الفيزيوكيميائية للمركبات العضوية، مما يسمح بتقدير دقيق للمحتوى الحراري القياسي لتكوين هذه المركبا ت . في هذه الدراسة، تم تطبيق تقنيات الانحدار الخطي المتعد د (MLR) والانحدار غير الخطي باستخدام الشبكات العصبية الاصطناعية (ANN) كأدوات تسهيلية للتنبؤ بالمحتوى الحراري القياسي. اعتمد النموذج على ثلاث مجموعات من الواصفات الجزيئية تم استخراجها من قاعدة بيانات تحتوي على 339 مركبًا عضويًا. بعد الحسابات والتحليل، أظهرت النتائج أن معاملات التوافق الخاصة بالنموذج الخطي المتعدد كانت مرتفعة لكل من مجموعة التدريب ومجموعة التحقق، حيث بلغت = 0.99 2R لمجموعة التدريب و = 0.962R لمجموعة التحقق. أما بالنسبة للانحدار غير الخطي با ستخدام الشبكات العصبية، فكانت قيم معامل التحديد = 0.985 2R لكل من مجموعة التدريب والتحقق، مما يعكس دقة عالية في التنبؤ بالخصائص المستهدفة . The accurate evaluation of the standard enthalpy of formation and its dependence on temperature is critical in the study of thermodynamics and material behavior. The theoretical calculation of the standard thermal enthalpy of formation is based on a complex equation that relates thermal variables and the equation of state, with no explicit formula available. Therefore, the development of QSPR (Quantitative Structure-Property Relationship) models has been essential for predicting certain physicochemical properties, enabling the estimation of the standard enthalpy of formation for organic compounds. In this study, multiple linear regression (MLR) and nonlinear regression using artificial neural networks (ANN) were applied as tools to facilitate the prediction of the standard enthalpy of formation using three sets of molecular descriptors. The database included 339 organic compounds. After calculations and analysis, the agreement coefficients (for training and validation) for the MLR model indicated R2 = 0.99 for training and R2 = 0.96 for validation. As for the nonlinear regression using ANN, the results showed R2 = 0.985 for both training and validation sets, reflecting high accuracy in predicting the targeted properties.