CC BY
24
УДК 541.69: 547.7
Е. И. Мельницкая (к.х.н., инж.)1, Е. А. Кантор (д.х.н., проф., зав. каф.)1, С. А. Кирлан (д.х.н., зав. лаб.)2
Комплекс моделей оценки селективных растворителей для углеводородной системы «гексан—бензол»
1 Уфимский государственный нефтяной технический университет, кафедра физики 450062, г. Уфа, ул. Космонавтов, 1, тел. (347) 2431737, e-mail: [email protected] 2Научно-исследовательский технологический институт гербицидов и регуляторов роста растений с c опытно-экспериментальным производством АН РБ 450029, г. Уфа, ул. Ульяновых, 65; тел. (347) 2433614, e-mail: [email protected]
E. I. Melnitskaya1, E. A. Kantor1, S. A. Kirlan2
The complex pricing models of selective solvents for hydrocarbon system «hexane-benzene»
1 Ufa State Petroleum Technological University I, Kosmonavtov Str, 450062 Ufa, Russia; ph. (347) 2431878, e-mail: [email protected] 2The Scientific-research technological Institute of herbicides and plant growth regulators with the CES Academy of Sciences of the Republic of Bashkortostan 65, Ulyanovyih Str., 450029, Ufa, Russia; ph. (347) 2433614, e-mail: [email protected]
Проведено исследование и предложен подход к доэкспериментальной оценке и моделированию селективных растворителей для экстракции ароматических углеводородов из продуктов нефтепереработки на основе закономерности связи «структура—свойство» в рамках компьютерной системы БЛКО-21. Выявлены закономерности влияния функциональных групп и их сочетаний на селективность растворителей для системы «гексан—бензол». Разработаны модели для оценки уровня селективности растворителей ароматических углеводородов. Сформирована база данных для разработки направлений моделирования и синтеза селективных растворителей.
Ключевые слова: активность; информативность; растворители; селективность; теория распознавания образов; химическое соединение.
The investigation is carried out and the approach to before experimental estimation and modeling of selective solvents for the extraction of aromatic hydrocarbons from petroleum products on the basis of patterns of communication «structure-property» within the computer system SARD-21 is offered. The regularities of the influence of the functional groups and their combinations on the selectivity of the solvent for the system «hexane-benzene» are revealed. Models to assess the level of selectivity of solvents of aromatic hydrocarbons have been developed. The database for the development of areas of modeling and synthesis of selective solvents is generated.
Key words: activity; information content; solvents; selectivity; the theory of pattern recognition; chemical compound.
Экстракционные процессы очистки углеводородного сырья селективными растворителями имеют большое значение для нефтехимии и нефтепереработки, поэтому актуальным является проведение исследований в области доэкспериментальной оценки свойств, моделирования и синтеза селективных растворителей для экстракции ароматических углеводородов из продуктов нефтепереработки на основе закономерности связи «структура — свойство». В настоящее время активно используются иссле-
Дата поступления 28.08.13
дования на основе теоретической оценки полезных свойств химических соединений и моделирования конкретных структур, которые позволяют существенно сократить трудоемкость и финансовые издержки научно-практического поиска 1. Предложен теоретический подход к разработке селективных растворителей для экстракционного выделения ароматических углеводородов из продуктов нефтепереработки на примере углеводородной системы «гексан—бензол» 2-5 на основе компьютерной системы БЛКВ-21. В результате исследования
разработаны модели для оценки уровня селективности растворителей; сформирована база данных для разработки направлений моделирования и синтеза новых селективных растворителей.
Материалы и методы исследования
Исследование проведено в рамках трех массивов, содержащих 496 химических структур 2, распределенных по группам активных (группа А) и неактивных (группа В) соединений согласно экспериментальным значениям селективности (табл. 1). Выбор интервалов определен исходя из достоверности информации о значениях селективности для необходимого количества соединений. Известно, что в большинстве случаев с изменением температуры селективность растворителя существенно изменяется. Поэтому в исследовании нами использованы значения селективностей в температурном интервале 25—30 оС 3'4.
Результаты и их обсуждение
В результате исследования сформировано 27 моделей. Из них в качестве рабочих для до-экспериментальной оценки свойств, моделирования и разработки направлений синтеза селективных растворителей в соответствии с критериями теории распознавания образов отобрана 21 модель.
Модели отличаются числом признаков в решающем наборе, числом структур обучающего массива, эвристическими порогами на этапе формирования и распознаванием по двум алгоритмам «геометрия» и «голосование». Достоверность распознавания структур трех массивов составляет 71—97 %. РНП моделей содержат логические признаки, участвующие в распознавании по трем массивам (табл. 2). Апробация сформированных моделей проведена на серии из 25, 17 и 17 соединений (экзаменационных) для каждого из трех массивов соответственно. В экзаменационный ряд соединений вошли структуры, не включенные в обу-
Таблица 1
Характеристики сформированных массивов
Массив Интервал селективности Температура,оС Количество соединений в массиве
А В А В А В Всего
1 Б>17 Б<10 30 30 40 38 78
2 Б>10 Б<10 30 25-30 91 118 209
3 Б>17 Б<17 30 25-30 40 169 209
Таблица 2
Решающие наборы признаков для оценки интервалов селективности растворителей и их информативность (г)
№ Фрагментные признаки, входящие в РНП г
массив 1, интервалы оценки: Б>17 (группа А), Б<10 ( группа В)
1 (-СН211еН-(-СН211еН-(-0-) !* (-СН211еН-(-СН2-Н-СН211еН ! (-СНэ)-(>С=0)-(-СН211еН 0.644
2 (-СН2ИеЖ-С1\1) ! {(>Ы-)-(-Ы=0) ! (-С^ИеЖ-!^) 0.456
3 (-СН3)! (-(СН2)4..10-) ! (>С=С<) -0.635
4 (-СНэ)-(-О-) ! (>СН-)-(-(СН2)4..10-) ! (-СНэМ-СН2ЬеН -0.544
массив 2, интервалы оценки: Б>10 (А), Б<10 (В)
5 (-СН2ИеН-(-СН211еН ! (-СН2ИеН-(>С=0) ! (-(СН2)2-)-(-0-) 0.504
6 (-(СН2)2-)-(-СЫ)! {(-С^ИеЖ-Ж-) ! (-С^ИеЖ-^) 0.279
7 (>С=С<)! (-(СН2)4..10-) ! (С1) -0.511
8 (>С=0)-(>С=С<) ! (-СЫ)-(>С=С<) ! (>С=С<)-(Р) -0.269
массив 3, интервалы оценки: Б>17 (А), Б<17 (В)
9 (-СН2ИеН-(-СН2-)-(-СН211еН ! (-СН2Ие1-)-(-СН2Ие1-)-(-0-) ! (-С^ИеЖ-С^ИеЖ-СЫ) 0.448
10 (-СН2ИеН-(>1\1-) ! (-0-)-(>С=0) ! (-СНэ)-(>С=0) 0.147
11 (>С=С<) ! (-СНэ) ! (С1) -0.370
12 (-Б-)! (-Ы=С<) ! (-ЫН2) -0.177
*— обозначение логической операции «или»
чающую выборку. Для массива 1 отобраны 25 экзаменационных соединений со значениями селективности от 4 до 8 при температуре 25 оС. Для второго и третьего массивов — по 17 соединений с селективностью от 10 до 17 при температуре 25 оС.
Распознавание экзаменационных соединений проведено по двум алгоритмам: «геометрия» и «голосование». В результате апробации моделей, сформированных на основе массива 1, выявлены 10 моделей, с правильным распознаванием уровня селективности 72—76 % по алгоритму «геометрия». Из 12 моделей массива 2 показали хороший результат оценки селективности 6 моделей: 4 — по алгоритму «геометрия» 71%, 2 — по двум алгоритмам 71%. Пять моделей, сформированные для массива 3, показали 100% распознавания экзаменационных соединений по двум алгоритмам. Полученные модели включены в базу данных, которая может быть применена для доэкспери-ментальной оценки селективных свойств и оптимизации поиска и направленного синтеза новых растворителей.
Таким образом, в результате исследования предложена доэкспериментальная оценка интервалов селективности растворителей для экстракционного выделения ароматических углеводородов из продуктов нефтепереработки в рамках комплекса из 21 модели с уровнем правильного распознавания 70—100 %: низкая селективность (Б<10); средняя селективность (10<Б<17); высокая селективность (Б>17). На основе 450 соединений разработана база данных для целенаправленного моделирования и оценки интервалов селективности растворителей, содержащая: более 2000 химических фрагментов, влияющих на селективность; 21 модель для оценки селективности в интервалах Б<10, 10<Б<17, Б>17; базовые структуры, содержащие циклы оксазолидинона, окса-золидина, тиазолидина, циклопентанон-1, морфолина, пирролидинона, которые наиболее предпочтительны для направленной модификации и синтеза селективных растворителей; количественные оценки влияния фрагментов молекул растворителей на селективность и приоритет их модификации. Результаты исследований могут применяться для доэксперимен-тальной оценки уровня селективных свойств и разработки новых селективных растворителей.
Литература
1. Тюрина Л. А., Тюрина О. В., Колбин А. М. Методы и результаты дизайна и прогноза биологически активных веществ.— Уфа: Гилем, 2007.— 331 с.
2. Гайле А. А., Сомов В. Е. Экстракционная де-ароматизация нефтяных фракций.— Санкт-Петербург, 2002.— 324 с.
3. Мельницкая Е. И., Кирлан С. А., Сементе-ева Л. Ш., Димогло А. С., Кантор Е. А. // Баш. хим. ж.- 2010.- Т.17, №2.- С.96.
4. Мельницкая Е. И., Кирлан С. А., Кантор Е. А. // Изв. вузов. Хим. и хим. технол.- 2011. — Т. 54, №6.- С.87.
5. Свидетельство об официальной регистрации программы для ЭВМ. №2011612273. Программные модули компьютерной системы БЛИО-21 для прогноза и моделирования биологически активных химических соединений / Кирлан С.А. (Ии). Зарегистрировано в Реестре баз данных 17.03.2011.
References
1. Tjurina L. A., Tjurina O. V., Kolbin A. M. Metody i rezul'taty dizajna i prognoza biolo-gicheski aktivnyh veshhestv.- Ufa: Gilem, 2007.- 331 s.
2. Gajle A. A., Somov V. E. Jekstrakcionnaja dearomatizacija neftjanyh frakcij.- Sankt-Peterburg, 2002.- 324 s.
3. Mel'nickaja E. I., Kirlan S. A., Sementeeva L. Sh., Dimoglo A. S., Kantor E. A. Bash. khim. zh.-2010.- V.17, no.2.- P.96.
4. Mel'nickaja E. I., Kirlan S. A., Kantor E. A. Izvestija vysshih uchebnyh zavedenij. Him i him. tehnol.- 2011.- V.54, no.6.- P.87.
5. Svidetel' stvo ob oficial'noj registracii programmy dlja JeVM. №2011612273. Programmnye moduli komp'juternoj sistemy SARD-21 dlja prognoza i modelirovanija biologicheski aktivnyh himi-cheskih soedinenij. Kirlan S.A. (RU). Zaregistrirovano v Reestre baz dannyh 17.03.2011.
