معرفی دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پرانرژی با استفاده از رگرسیون خطی چندگانه و شبکه ی عصبی مصنوعی(علمی-ترویجی)

در این مقاله دو روش جدید برای پیشبینی گرمای انفجار ترکیبات پر انرژی معرفی شده است. مقادیر تجربی گرمای انفجار 74 ترکیب پرانرژی از مراجع جمع آوری شده و در دو دسته ی آموزشی و آزمایشی قرار گرفتند. از دسته ی آموزشی برای ایجاد مدل و از دسته ی آزمایشی برای امتحان صحت و دقت مدل ساخته شده استفاده شد. از رگرسیون خطی چندگانه (MLR) برای شناسایی توصیف کننده ها و ارائه ی مدل خطی، و از شبکه ی عصبی مصنوعی (ANN) برای ارائه ی مدل غیر خطی استفاده شد. در مدل MLR مقادیر R2 و خطای استاندارد برای دسته ی تست این ترکیبات به ترتیب 798/0 و j/gr 48 /606 به دست آمدند. این شاخص های آماری برای مدل شبکه ی عصبی مصنوعی 98/0 و j/gr 4 /189 به دست آمدند که با توجه به بالا بودن مقدار R2 و کم بودن مقادیر خطای استاندارد بخصوص برای مدل ارائه شده به کمک شبکه عصبی، می توان نتیجه گرفت که مقادیر محاسبه شده همخوانی خوبی با نتایج تجربی دارند. نتایج به دست آمده از این روش ها همچنین با نتایج به دست آمده از کدهای EDPHT و LOTUSE مقایسه شدند و از دقت بیشتری برخوردار بودند.