مقاله ترجمه شده مدلي براي پيش بيني دماي احراق خودكار با استفاده از رويكرد كمي

در حالي كه مواد قابل اشتعال در صنايع وجود دارد، تجهيزات الكتريكي بايد ضد انفجار براي كاهش خطر آتش سوزي و انفجار احتمالي باشند. دماي احتراق خودكار (AIT) از يك ماده قابل اشتعال مشخصه اصلي در تعيين مشخصات اين تجهيزات ضدانفجار است. با اين حال، با توجه به محدوديت در ازمايشها، AITيك تركيب تلفيقي از داده هاي مختلف است كه بسيار متنوع بوده و تفاوت بين دستگاه هاي مختلف را بالاتر از 300K را دارد. بنابراين ، يك روش موثر براي پيش بيني مواد قابل اشتعال AIT است كه در اين زمينه ضروري مي باشد. در اين مطالعه، يك مدل براي پيش بيني AIT از تركيبات آلي با استفاده از روش ارتباط كمي (QSPR) ارائه شده است. اين مدل از مجموعه اي از 820 تركيب آلي ساخته شده است كه از پايگاه داده DIPPR توسط موسسه مهندسي شيمي آمريكا پشتيباني و جمع اوري شده است. اين مدل از چهار توصيف مولكولي بهره مي برد كه شامل الكتروتوپولوجيكال، نسبت پخش، كسر حجمي، ساختار اتمي مي باشد. در ان مقدار R از يك مدل با مقدار 0.09 ارائه شده است. كه در ان خطا به طور متوسط 6% بوده و به طور متوسط خطا در دماي 36K مي باشد. در حاليكه در مقايسه با ديگر تحقيقات انجام شده، اين مدل از بزرگترين مجموعه داده ساته شده است و علكرد رضايت بخشي دارد. در مقايسه با خطاهاي تجربي شناخته شده در اندازه گيري، مدل ارائه شده براورد مناسبي از AIT را ارائه مي دهد. بنابراين مدل ارائه شده مي تواند از يك تركيب براورد AIT باشد كه هنوز هم به آساني دقت مناسب را ندارد.

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.

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها