بانک دانلود پایان نامه تسیس ورد - رسا تسیس
صفحه اصلی پیگیری سفارش درباره ما تماس با ما
جستجو
مشاهده دسته بندی ها
  2. مهندسی شیمی
  3. پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت

پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت

word 1 MB 31844 124
مشخص نشده کارشناسی ارشد مهندسی شیمی
قیمت قبل:۷۰,۷۰۰ تومان
قیمت با تخفیف: ۳۲,۱۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع

  • پایان­نامه تحصیلی جهت اخذ درجه کارشناسی ارشد                                                                          رشته: شیمی   

      گرایش الی

    پیشگفتار

    شیمی محاسباتی رویکرد نوینی به پدیده های شناخته شده و آشنای فیزیکی و شیمیایی است که می تواند منجر به درک بهتر جهان پیرامون ما گردد. امروزه با پیشرفت روز افزون کامپیوترها قادر هستیم پدیده های گوناگون را در ماتریس های بسیار پیچیده نظیر سیستم های بیولوژیکی و نانوتکنولوژی مورد مطالعه قرار دهیم و بدیهی است که انجام چنین مطالعاتی در درجه اول نیازمند درک وسیعی از پدیده های فیزیکی و شیمیایی، ابداع و نوآوری روش های نوین مطالعاتی وتجزیه و تحلیل مستند و هدفدار هستند.

    هدف از انجام این پژوهش، استفاده از شیمی محاسباتی در تجزیه و تحلیل آماری برای پیش بینی ساختارهای مناسب دارویی می باشد و همچنین با این روش نتایج آزمایشات مختلفی را که به صورت تجربی انجام می شود تا حدود زیادی پیش گویی و تا حد زیادی در هزینه و زمان صرفه جویی نمود.

    در این پایان نامه با استفاده از مطالعات QSAR بر روی مشتقات ساختارهای مناسب برای درمان دیابت انتخاب و ساخت دارو از روی مناسب ترین ساختار ها به دارو ساز محترم پیشنهاد می شود. لازم به ذکر است که در این پژوهش روش های نوین و ترکیبی آماری، برای تجزیه و تحلیل و پیش بینی ساختارها به کار برده شده است.

     

    چکیده

    در این تحقیق، ارتباط کمی ساختار و فعالیت (QSAR) در مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile مطالعه شده است. الگوریتم ژنتیک (GA)، شبکه های عصبی مصنوعی (ANN) و روش گام به گام رگرسیون خطی چندگانه (stepwise MLR) برای مدل های خطی و غیر خطی QSAR ایجاد و مورد استفاده قرار گرفت. با استفاده روش  DFT (B3LYP)و سری پایه 6-31G ساختار های بهینه از این مشتقات را بدست آوردیم. از نرم افزار های Hyperchem، ChemOffice و  Gaussian 03W و Dragon برای بهینه‎سازی مولکول ها و محاسبات توصیفگرهای شیمی کوانتومی استفاده شده است. در نهایت برای آنالیز داده ها از نرم افزار Unscrambler استفاده گردید. RMSE train و test RMSE با مدل GA-ANN به ترتیب 0.1406 و 0.3519 و پارامتر R2، 0.81 بدست آمد. همچنین مقادیر R و  R2با مدل GA-stepwise MLR به ترتیب 0.79 و 0.58 بدست آمد. مدل GA-ANN مطلوب ترین روش نسبت به سایر روش های آماری شناخته شد.

    به طور کلی با برسی های انجام شده با روشهای GA-PLS, GA-PCR و روش جک نایف در لایه‎های مختلف و اهداف مختلف ترکیبات زیر کمترین انحراف ممکن را دارند و به عنوان بهترین ترکیبات برای ساخت دارو پیش بینی می‎شوند

    1-1- مقدمه

    شیمی محاسباتی شاخه ای از دانش شیمی است که سعی در حل مسائل شیمی با کمک رایانه ها دارد. در این رشته، از رایانه ها برای پیش بینی ساختار مولکولی، خواص مولکولی و واکنش های شیمیایی استفاده می شود. در این رشته از نتایج شیمی محض که در قالب برنامه های موثر کامپیوتری درآمده اند برای محاسبه ساختار و خواص مولکول ها استفاده می شود، در حالی که نتایج آنها معمولا کامل کننده اطلاعات بدست آمده از آزمایش های شیمیایی هستند، اما در برخی موارد می تواند منجر به پیش بینی پدیده های مشاهده نشده شیمیایی شود.

     بنابراین شیمی محاسباتی می تواند به شیمی آزمایشگاهی کمک کرده و در یافتن موضوعات جدید شیمیایی با شیمی تجربی رقابت نماید سیمای شیمی محاسباتی شامل مدل سازی مولکولی، روش های محاسباتی و طراحی مولکول به کمک کامپیوتر و همچنین داده های شیمیایی و طراحی سنتزهای آلی می باشد، همچنین از این رشته به گستردگی برای طراحی داروها، کاتالیست ها و مواد نو استفاده می شود ]1[.

     

    1-2- کمومتریکس[1]

    برای درک مکانیسم فرآیندهای مختلف شیمیایی، کشف و توسعه مواد جدید، حفظ محیط زیست و زمینه‎های دیگر شیمی، هنوز توانایی حل مسائل به طور کامل وجود ندارد و برای عملی کردن بعضی از مسائل، نیاز به سیستم های بسیار پیچیده ای است که انجام آنها در گرو صرف هزینه های بسیار و مطالعات گسترده است. درجهت حل این مشکل، روش های محاسباتی کمومتریکس می توانند مفید باشند. تجزیه و تحلیل آماری و ریاضی داده های شیمیایی معمولاً تحت عنوان کمومتریکس یاد می شود. به عبارتی دیگر کمومتریکس یک روش کارآمد برای خلاصه کردن اطلاعات مفید از یک سری داده مشخص و پیش بینی سری دیگر داده هاست. در حقیقت هدف کمومتریکس، بهبود بخشیدن فرآیندهای اندازه گیری و استخراج اطلاعات شیمیایی مفیدتر از داده های اندازه گیری شده فیزیکی و شیمیایی است. کمومتریکس اولین بار توسط دانشمند سوئدی به نام ولد[2] در سال 1972 به کار گرفته شد و توسط کووالسکی[3] توسعه داده شد و درسال 1974 انجمن بین المللی کمومتریکس[4] تأسیس گردید. درسال 1974 در ایتالیا، دو گروه از دانشمندان به نام های فورینا[5] و کلمنتی[6] شروع به فعالیت در این زمینه کردند و از سال 1980 دانش کمومتریکس خیلی سریع توسعه یافت ]2[. چندین تعریف برای کمومتریکس بیان شده است که غالباً درمتن های تجزیه ای به کار می روند. یکی از جامع ترین تعاریف به صورت زیر است:

    کمومتریکس شاخه ای از شیمی است که از ریاضی، آمار و منطق برای دستیابی به نتایج زیر استفاده می کند:

     الف ) فرآیندهای تجربی بهینه را طراحی و انتخاب کند.

    ب ) حداکثر اطلاعات شیمیایی قابل حصول را از تحلیل اطلاعات شیمیایی فراهم کند.

    ج ) اطلاعات بیشتری درمورد سیستم های شیمیایی بدست آورد.

     

    1-2-1- کاربردهای کمومتریکس

    کمومتریکس درشاخه های مختلف شیمی مورد استفاده قرارمی گیرد که برخی از این کاربردها شامل کنترل فرآیندها، تجزیه و تحلیل و شناخت الگوها، پردازش علائم و بهینه کردن شرایط می باشد. یکی از زمینه های مهم کاربرد کمومتریکس در مطالعاتی است که خواص مولکول ها را به ویژگی های ساختاری آنها نسبت می دهد. یکی از مهمترین کاربردهای کمومتریکس ارتباط کمی ساختار فعالیت[7] است که با آن می توان مدل های ریاضی، ساختار شیمیایی، فعالیت بیولوژیکی، الکترونیکی و... را با این روش محاسبه و تعیین کرد. هدف QSAR، ایجاد رابطه ای منطقی بین کمیت ها و یا خواص ترکیبات (فعالیت) و ساختار شیمیایی آنها است و این قانون برای مولکول های جدید مورد استفاده قرار می گیرد.

    Abstract

    drug discovery often involves the use of quantitative structure – activity relationships (qsar) to identify chemical structures that could have good inhibitory effects on specific targets. In this work, qsar study has been done on pyrrolo[3,2-d]pyrimidine-7-carbonitrile derivatives for anti-diabetic drugs. Genetic algorithm (ga), artificial neural network (ann), stepwise multiple linear regression (stepwise-mlr) were used to create then on non-linear and linear qsar models. For this purpose, ab initio geometry optimization performed at b3lyp level with a known basis set (6–31G). Hyperchem, chemoffice and gaussian 03W softwares were used for geometry optimization of the molecules and calculation of the quantum chemical descriptors. Finally, unscrambler program was used for analysis of data. The root-mean square errors of the training set and the test set for ga–ann model using jack-knife method, were 0.1425, 0.3519 and r2 was 0.81. Also, the r and r2 values in the gas phase were obtained 0.79, 0.58 from ga-stepwise-mlr model. According to the obtained results, we find out ga-ann model is the most favorable method toward the other statistical methods. General studies with ga-pcr methods and ga-pls and jack–knife in different layers and different goals following compounds have the lowest deviation from the best ingredients to make the drug are advised.

     

  • فهرست:

    پیشگفتار 1

    چکیده. 2

    فصل اول: کلیات

    1-1- مقدمه.. 5

    1-2- کمومتریکس.... 5

    1-2-1- کاربردهای کمومتریکس.... 6

    1-3- مزایای روش های محاسباتی نسبت به روش های آزمایشگاهی.. 6

    1-4- QSAR.. 7

    1-5- رگرسیون. 7

    1-6- روش های پارامتری.. 8

    1-6-1- کالیبراسیون یک متغیره و چند متغیره. 9

    1-6-2- حداقل مربعات کلاسیک(CLS) 9

    1-6-3- حداقل مربعات معکوس(ILS) 9

    1-6-4- رگرسیون خطی چندگانه (MLR) 9

    1-6-5- حداقل مربعات جزئی(PLS) 10

    1-6-6- آنالیز اجزاء اصلی(PCA) 10

    1-6-7- رگرسیون اجزاء اصلی (PCR) 11

    1-6-8- رگرسیون چند متغیره غیر خطی(MNR) 12

    1-6-9- منطق فازی.. 12

    1-6-9-1-کاربرد های منطق فازی.. 13

    1-6-10- شبکه های عصبی مصنوعی (ANN) 13

    1-6-10-1- ویژگی های شبکه عصبی.. 14

    1-6-10-2- مزایای شبکه عصبی.. 16

    1-6-10-3- کاربرد های شبکه عصبی.. 16

    1-6-11- الگوریتم ژنتیکی (GA) 17

    1-6-11-1- قوانین داروین.. 18

    1-6-11-2- ویژگی های الگوریتم ژنتیک.... 18

    1-6-11-3- نقاط قوت الگوریتم های ژنتیک.... 20

    1-6-11-4- محدودیت های الگوریتم های ژنتیک.... 21

    1-6-11-5- روش های انتخاب برای الگوریتم‌ ژنتیک.... 21

    1-7- دیابت... 22

    1-7-1- دسته‌بندی و سبب‌شناسی دیابت... 23

    1-7-1-1- دیابت نوع یک.... 24

    1-7-1-2- دیابت نوع دو. 25

    1-7-1-3- دیابت بارداری.. 25

    1-7-1-4- انواع دیگر دیابت... 26

    1-8- وضعیت دیابت در جهان. 29

    1-9- مرگ ومیر ناشی از دیابت... 29

    1-10- هزینه های دیابت... 29

    1-11- پیشگیری و کنترل دیابت... 30

    1-12- داروها 30

    1-12-1- سولفونیل اوره‌ ها 31

    1-12-2- بی‌ گوانیدها 32

    1-12-3- آکاربوز 32

    1-12-4- تیازولیدیندایون‌ها (TZD) 33

    1-12-5- مگلی تینایدها 33

    فصل دوم: روش کار

    2-1- رسم مشتقات.. 36

    2-1-1- اضافه کردن متد و بهینه سازی مشتقات.. 36

    2-1-2- اضافه کردن توصیفگرهای مولکولی به مشتقات.. 36

    2-1-3- ساختن ماتریس و غربالگری توصیفگرها برای مشتقات.. 37

    2-1-4- محاسبات GA.. 38

    2-1-5- محاسبات GA-ANN.. 39

    2-1-6- محاسبات جک نایف.... 39

    2-1-7- محاسبات GA –MLR.. 39

    2-1-8- تجزیه و تحلیل با روش هایPLS ، PCR و MLR.. 40

    2-1-9- تجزیه و تحلیل با روش های GA-MCR،GA-PLS ،GA-PCR ، GA-MLR و GA-RS. 40

    2-1-10- پیش بینی ساختار 40

    بخش دوم: بحث و نتیجه گیری

    2-2- بحث و نتیجه گیری.. 42

    پیشنهاد برای کارهای اینده. 124

    منابع و مأخذ.. 125

    منبع:

     

    Abdi H, Williams L. J. "Principal component analysis". Wiley Interdisciplinary Reviews: Computational Statistics, 2 (2010) 433–459.

    Ajmani S, Jadhav K, Kulkarni S, A. "Group-Based QSAR (G-QSAR): Mitigating Interpretation Challenges in QSAR". QSAR & Combinatorial Science, 28 (2008) 36–51.

    Albert K. J, Lewis N. S, Schauer C. L, Sotzing G. A, Stitzel S. E, Vaid T. P, Walt D. R. Chem Rev. 100 (2000) 2595-2626.

    Andersson C. A, Bro R. Journal Chemometrics, 14 (2000) 103.

    Bertsekas D. P, Tsitsiklis J. N. Neuro-dynamic programming. Athena Scientific, 8 (1996) 512.

    Bordogna G, Pasi G. Handling vagueness in information retrieval systems. In: Proceedings of the Second New Zealand International Two-Stream Conference on Artificial Neural Networks and Expert Systems, 20-23 (1995) 110-114.

    Cano J. R, Herrera F, Lozano M. Using evolutionary algorithms as instance selection for data reduction in KDD: an experimental study. IEEE Transactions on Evolutionary Computation, 7 (2003) 561-575.

    Christopher J. Cramer Essentials of Computational Chemistry, John Wiley & Sons, 45 (2002) 23.

    Cox D. R. Principles of Statistical Inference, Cambridge University Press, 2 (2006) 521.

    Diabetes Blue Circle Symbol. . International Diabetes Federation, 17 March 2006

    Diagnosis and Classification of Diabetes Mellitus". Diabetes Care 33 (Supplement_1): S62–S69. 2009. DOI:10.2337/dc10-S062.  ISSN 0149-5992.

    E.A.M. Gale. «Drug-induced diabetes». European Association for the Study of Diabetes.  

    Eiben E, Hinterding R, Michalewicz Z. "Parameter Control in Evolutionary Algorithms", IEEE Transations on Evolutionary Computation, IEEE, 3 ( 1999) 124-141

    Fraser A. "Simulation of genetic systems by automatic digital computers. I. Introduction". Aust. J. Biol. Sci, 10 (1957) 484–491.

    Galleri, L.; Sebastiani, G.; Vendrame, F.; Grieco, FA.; Spagnuolo, I.; Dotta, F. (2012). "Viral infections and diabetes.". Adv Exp Med Biol 771: 252-71. PMID 23393684

    Galton F. "Kinship and Correlation (reprinted 1989)". Statistical Science (Institute of Mathematical Statistics), 4 (1989) 80–86.

    Geladi P, Esbensen K. The start and early history of chemometrics: Journal Chemometrics, 4 (2005) 337–354.

    Henzen C (2012). "Monogenic diabetes mellitus due to defects in insulin secretion". Swiss Med Wkly 142: w13690. DOI:10.4414/smw.2012.13690. PMID 23037711

    Hopfield J. Neural networks and physical systems with emergent collective computational abilities. Proc. NatL Acad. Sci. USA Vol. 79 (1982) 2554-2558.

    Lambert, Paul; Bingley, Polly J (2002). "What is Type 1 Diabetes?". Medicine 30 (1): 1–5. DOI:10.1383/medc.30.1.1.28264. ISSN 13573039

    Lee, A. J.; Hiscock, R. J.; Wein, P.; Walker, S. P.; Permezel, M. (2007). "Gestational Diabetes Mellitus: Clinical Predictors and Long-Term Risk of Developing Type 2 Diabetes: A retrospective cohort study using survival analysis". Diabetes Care 30 (4): 878–883. DOI:10.2337/dc06-1816. ISSN 0149-5992

    Lin S. Computer solutions of the traveling salesman problem. Bell Systems Tech, 44 (1965) 2245–2269.

    Maraschin, Jde F. (2012). "Classification of diabetes.". Adv Exp Med Biol 771: 12-9. PMID 23393666

    Massy W. F. Principal components regression in exploratory statistical research. J. Amer. Stat. Assoc, 60 (1965) 234-256.

    McMinn P. Search-based Software Test Data Generation: A Survey. Journal of Software Testing Verification and Reliability, 14 (2004) 105-156.

    Melanitou, Evie; Fain, Pam; Eisenbarth, George S (2003). "Genetics of Type 1A (immune mediated) diabetes". Journal of Autoimmunity 21 (2): 93–98. DOI:10.1016/S0896-8411(03)00097-0. ISSN 08968411

    Metzger, B. E.; Buchanan, T. A.; Coustan, D. R.; de Leiva, A.; Dunger, D. B.; Hadden, D. R.; Hod, M.; Kitzmiller, J. L. et al (2007). "Summary and Recommendations of the Fifth International Workshop-Conference on Gestational Diabetes Mellitus". Diabetes Care 30 (Supplement_2): S251–S260. DOI:10.2337/dc07-s225. ISSN 0149-5992

    Neubig R. R. International Union of Pharmacology Committee on Receptor Nomenclature and Drug Classification.

    Northcutt W. The Darwin Awards: Evolution in Action.. New York City: PLUME (The Penguin Group). 5 (2000) 2-6.

    Resmini, Eugenia; Minuto, Francesco; Colao, Annamaria; Ferone, Diego (2009). "Secondary diabetes associated with principal endocrinopathies: the impact of new treatment modalities". Acta Diabetologica 46 (2): 85–95. DOI:10.1007/s00592-009-0112-9. ISSN 0940-5429

    Ross G (June 2006). "Gestational diabetes". Aust Fam Physician 35 (6): 392–6. PMID 16751853

    Roy P. P, Leonard J. T, Roy K. "Exploring the impact of size of training sets for the development of predictive QSAR models". Chemometrics and Intelligent Laboratory Systems, 90 (2008) 31–42.

    Sampson UK, Linton MF, Fazio S (July 2011). "Are statins diabetogenic?". Curr. Opin. Cardiol. 26 (4): 342–7. DOI:10.1097/HCO.0b013e3283470359. PMC 3341610. PMID 21499090

    Schafer, Andrew I. ; Lee A. Fleisher MD (2011). Goldman's Cecil Medicine: Expert Consult Premium Edition -- Enhanced Online Features and Print, Single Volume (Cecil Textbook of Medicine). Philadelphia: Saunders. pp. e237-1. ISBN 1-4377-1604-0

    Schafer, Andrew I. ; Lee A. Fleisher MD (2011). Goldman's Cecil Medicine: Expert Consult Premium Edition -- Enhanced Online Features and Print, Single Volume (Cecil Textbook of Medicine). Philadelphia: Saunders. pp. 943-944. ISBN 1-4377-1604-0

    Siegelmann H. T, Sontag, E. D. "Turing computability with neural nets". Appl. Math. Lett. 4 (1991) 77–80.

    Tasso B, Catto M, Nicolotti O, Novelli F, Tonelli M, Giangreco I, Pisani L, Sparatore A, Boido V, Carotti A, Sparatore F. "Quinolizidinyl derivatives of bi- and tricyclic systems as potent inhibitors of acetyl- and butyrylcholinesterase with potential in Alzheimer’s disease". European Journal of Medicinal Chemistry, 46 (2011) 2170-2184.

    Tenenhaus M, Esposito Vinzi V, ChatelincY-M, Lauro C. PLS path modeling, Computational Statistics & Data Analysis, 48 (2005) 159–205.

    Tibshirani R. "Regression Shrinkage and Selection via the Lasso". Journal of the Royal Statistical Society. Series B (Methodological), 58 (1996) 267–288.

    Williams textbook of endocrinology (12th ed.). Philadelphia: Elsevier/Saunders. pp. 1371–1435. ISBN 978-1-4377-0324-5

    Zadeh L. A. "Fuzzy sets", Information and Control, 8 (1965) 338–

کلمات کلیدی: ANN - GA - الگوریتم ژنتیک - دارو های ضد دیابت - رگرسیون خطی چندگانه - شبکه های عصبی مصنوعی - شیمی محاسباتی - مطالعه QSAR
موضوع پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, نمونه پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, جستجوی پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, فایل Word پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, دانلود پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, فایل PDF پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, تحقیق در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, مقاله در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, پروژه در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, پروپوزال در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, تز دکترا در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, تحقیقات دانشجویی درباره پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, مقالات دانشجویی درباره پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, پروژه درباره پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, گزارش سمینار در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, پروژه دانشجویی در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, تحقیق دانش آموزی در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, مقاله دانش آموزی در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت, رساله دکترا در مورد پایان نامه مطالعه QSAR بر روی مشتقات pyrrolo[3,2-d]pyrimidine-7-carbonitrile برای دارو های ضد دیابت
مقالات مرتبط با این مطلب:

پايان نامه مقطع کارشناسي رشته مهندسي مکانيک سال 1386 چکيده: در اين پروژه، ورودي‌ها و خروجي‌هاي يک سيستم چند ورودي و چند خروجي غير خطي، براي ايجاد يک مدل ديناميکيِ هوشمند، استفاد

پايان نامه دوره کارشناسي ارشد در رشته علوم اقتصادي بهمن 1393 چکيده پيش­بيني از ابزارها و راهکارهاي مؤثر به منظور برنامه­ريزي و تدوين روش­هاي مالي است. دقت پيش­بيني از مهم­

پايان نامه جهت اخذ درجه کارشناسي ارشد رشته صنايع – مديريت سيستم و بهره وري زمستان 1392 چکيده بيمه عمر را مي‌توان يکي از هوشمندانه ترين ابداعات بشر در راستاي تامين امنيت و آرامش

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته برق گرایش قدرت چکیده : تولید انرژی الکتریکی برای سیستم‌‌های قدرت با هدف کمینه‌سازی کل هزینه تولیدی برای واحدهای فعال موجود در شبکه قدرت، از مهمترین مباحث برای سیستم­های مدرن امروزی است. به بیانی دیگر هدف از توزیع اقتصادی بار، برنامه­ریزی بهینه و مناسب برای واحدهای تولیدی با در نظر گرفتن عوامل و محدودیت­های غیر خطی موجود در شبکه ...

پایان نامه برای دریافت درجه کارشناسی ارشد(M.Sc) چکیده شبکه حسگر بی سیم، شبکه ای است که از تعداد زیادی گره کوچک تشکیل شده است. گره از طریق حسگرها اطلاعات محیط را دریافت می‌کند. انرژی مصرفی گره‌ها معمولاً از طریق باتری تامین می‌شود که در اکثر موارد امکان جایگزینی این باتری‌ها وجود ندارد. بنابراین توان مصرفی گره‌ها موضوع مهمی در این شبکه ها است. و استفاده از روش‌های دقیق و سریع ...

پایان نامه مقطع کارشناسی ارشد رشته : مهندسی شیمی چکیده چای امروزه یکی از پرطرفدارترین نوشیدنی ها در بین مردم جهان به خصوص ایران است به همین دلیل خشک کردنبرگ چای برای نگهداری طولانی مدت از ملزومات می باشد. در این تحقیق هم یک برگ چای وهم توده ای از آن مورد بررسی و خشک شدن قرار گرفتند. برگ سبز چای درمحدوده دمایی 35تا55 درجه سلسیوس وسرعت های5/0و7/0متربرثانیه هوای ورودی وبازه ی زمانی ...

پايان نامه براي دريافت درجه ي کارشناسي ارشد «M.Sc» گرايش : خاک و پي بهمن 1393   چکيده : ظرفيت باربري مجاز يا ظرفيت باربري مطمئن عبارت از يک فشار مجازي است که محدوده اط

پایان نامه کارشناسی ارشد مهندسی فناوری اطلاعات گرایش مدیریت سیستم های اطلاعاتی چکیده در دنیای امروز با توجه به تغییر سبک زندگی، مردم به دنبال روشی برای بهبود و پیشرفت وضع اقتصادی خود هستند، از مهمترین روشها برای بهبود در وضعیت مالی می­توان به افزایش درآمد اشاره کرد. یکی از آسان­ترین راه­ها، سرمایه­گذاری است که ابعاد مختلف دارد. در کشور ایران با توجه به تغییرات شدید بازار سکه و ...

  پايان نامه کارشناسي ارشد دانشکده فني و مهندسي گروه صنايع مهر ???? چکيده: در بعضي کشورها و از آن جمله ايران، موتورسيکلتها و راکبان آنها بخش لاينفکي از ترافيک بوده و در نتيجه امني

پایان نامه مقطع کارشناسی ارشد رشته مهندسی شیمی فشار بخار یک خاصیت ترمودینامیکی مهم در طراحی تجهیزات فرایندی و عملیات واحد مهندسی شیمی است. از این رو،داده های فشاربخار تجربی که تمام محدوده فشار بخار را پوشش دهند خیلی ارزشمند هستند اما به دلیل فقدان اندازه گیری های دقیق برای فشاربخار برخی از مواد در نزدیکی نقطه سه گانه و بحرانی، معادله هایی که قادر به پیش بینی فشاربخار در چنین ...

ثبت سفارش