دانلود ترجمه مقاله مدلی برای پیش بینی دمای احراق خودکار با استفاده از رویکرد کمی
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2012
تعداد صفحه ترجمه:10
تعداد صفحه فایل انگلیسی:6
موضوع انگلیسی :A model for predicting the auto-ignition temperature using quantitative
structure property relationship approach
موضوع فارسی:دانلود ترجمه مقاله مدلی برای پیش بینی دمای احراق خودکار با استفاده از رویکرد کمی
چکیده انگلیسی:While flammable materials are operated in process industries, the electric equipments should be explosion-proof to reduce the possibility
of a fire or an explosion. Auto-ignition temperature (AIT) of a flammable material is the primary characteristic in determining the
specifications of these explosion-proof equipments. However, due to limitations on experiments, the AIT of a compound reported in
different data compilations is very diverse, and the difference between different compilations was found to be higher than 300 K in many
cases. Thus, an effective method to predict the AIT of flammable materials is indispensible in this regard. In this study, a model to predict
the AIT of organic compounds is built by using the quantitative structure property relationship (QSPR) approach. This model is built from
a set of 820 organic compounds, which are collected from the DIPPR database supported by American Institute of Chemical Engineer.
This model is of four molecular descriptors: mean electrotopological state, the aromatic ratio, rotatable bond fraction, and atom-centered
fragments. It is found that the R value of the proposed model is 0.900, the average error in percentage is of 6.0%, and the average absolute
error is about 36.0 K. While comparing with other works in the literature, this model is built from the largest data set and gives
satisfactory performance. As compared with the known experimental errors in measuring the AIT, the proposed model also offers a
reasonable estimate of the AIT. Thus, the proposed model can estimate the AIT of a compound for which its AIT is as yet not readily
available within a reasonable accuracy
چکیده فارسی:چکیده: در حالی که مواد قابل اشتعال در صنایع وجود دارد، تجهیزات الکتریکی باید ضد انفجار برای کاهش خطر آتش سوزی و انفجار احتمالی باشند. دمای احتراق خودکار (AIT) از یک ماده قابل اشتعال مشخصه اصلی در تعیین مشخصات این تجهیزات ضدانفجار است. با این حال، با توجه به محدودیت در ازمایشها، AITیک ترکیب تلفیقی از داده های مختلف است که بسیار متنوع بوده و تفاوت بین دستگاه های مختلف را بالاتر از 300K را دارد. بنابراین ، یک روش موثر برای پیش بینی مواد قابل اشتعال AIT است که در این زمینه ضروری می باشد. در این مطالعه، یک مدل برای پیش بینی AIT از ترکیبات آلی با استفاده از روش ارتباط کمی (QSPR) ارائه شده است. این مدل از مجموعه ای از 820 ترکیب آلی ساخته شده است که از پایگاه داده DIPPR توسط موسسه مهندسی شیمی آمریکا پشتیبانی و جمع اوری شده است. این مدل از چهار توصیف مولکولی بهره می برد که شامل الکتروتوپولوجیکال، نسبت پخش، کسر حجمی، ساختار اتمی می باشد. در ان مقدار R از یک مدل با مقدار 0.09 ارائه شده است. که در ان خطا به طور متوسط 6% بوده و به طور متوسط خطا در دمای 36K می باشد. در حالیکه در مقایسه با دیگر تحقیقات انجام شده، این مدل از بزرگترین مجموعه داده ساته شده است و علکرد رضایت بخشی دارد. در مقایسه با خطاهای تجربی شناخته شده در اندازه گیری، مدل ارائه شده براورد مناسبی از AIT را ارائه می دهد. بنابراین مدل ارائه شده می تواند از یک ترکیب براورد AIT باشد که هنوز هم به آسانی دقت مناسب را ندارد.
