Quantitative Structure−Property Relationship (QSPR) Models for Boiling Points, Specific Gravities, and Refraction Indices of Hydrocarbons
Notice bibliographique
Résumé
The relationship between physical properties (normal boiling point, specific gravity, and refractive index) of hydrocarbons in the distillate boiling range and their molecular structures was examined using the CODESSA (Comprehensive Descriptors for Structural and Statistical Analysis) program. Multiple linear regression equations with up to eight parameters were used to develop predictive multilinear regression models. Six models for boiling point, specific gravity, and refractive index were obtained for the saturate and aromatic compounds separately. The correlation coefficients ( R 2 ) for all six models were >0.99, except for the model of specific gravity for aromatics, which had a correlation coefficient of R 2 = 0.9881. The standard deviations over the 186-point saturate training set were 6.10 K, 0.007, and 0.004 for boiling point, specific gravity, and refractive index, respectively. Those over the 200-point aromatic training set were 6.30 K, 0.008, and 0.005, respectively. Leave-one-out cross-validation (CV) checks that were performed for all the obtained models led to only slightly smaller correlation coefficients ( R 2 − < 0.002). Another set of 34 hydrocarbon compounds was chosen as the validation set to test the saturate models. Aromatic validation sets were also chosen to test the accuracy of the models for boiling point (61 data points), specific gravity (36 data points), and refractive index (27 data points). All the models showed excellent performance, with average errors of <1%. A separate set of three models was obtained for the combined saturates and aromatics data set. Compared to the models obtained for saturates and aromatics separately, these three more-general models were less accurate.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».