<!DOCTYPE article
PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.4 20190208//EN"
       "JATS-journalpublishing1.dtd">
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" article-type="research-article" dtd-version="1.4" xml:lang="en">
 <front>
  <journal-meta>
   <journal-id journal-id-type="publisher-id">Herald of Technological University</journal-id>
   <journal-title-group>
    <journal-title xml:lang="en">Herald of Technological University</journal-title>
    <trans-title-group xml:lang="ru">
     <trans-title>ВЕСТНИК ТЕХНОЛОГИЧЕСКОГО УНИВЕРСИТЕТА</trans-title>
    </trans-title-group>
   </journal-title-group>
   <issn publication-format="print">3034-4689</issn>
  </journal-meta>
  <article-meta>
   <article-id pub-id-type="publisher-id">98709</article-id>
   <article-id pub-id-type="doi">10.55421/3034-4689_2025_28_4_112</article-id>
   <article-categories>
    <subj-group subj-group-type="toc-heading" xml:lang="ru">
     <subject>3. Информатика, вычислительная техника и управление</subject>
    </subj-group>
    <subj-group subj-group-type="toc-heading" xml:lang="en">
     <subject>3. Information teory, computer technology and control</subject>
    </subj-group>
    <subj-group>
     <subject>3. Информатика, вычислительная техника и управление</subject>
    </subj-group>
   </article-categories>
   <title-group>
    <article-title xml:lang="en">APPLICATION OF MACHINE LEARNING METHODS TO PREDICT THE FLASH POINT OF ORGANIC COMPOUNDS</article-title>
    <trans-title-group xml:lang="ru">
     <trans-title>ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ ВСПЫШКИ ОРГАНИЧЕСКИХ СОЕДИНЕНИЙ</trans-title>
    </trans-title-group>
   </title-group>
   <contrib-group content-type="authors">
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Конышев</surname>
       <given-names>В. С.</given-names>
      </name>
      <name xml:lang="en">
       <surname>Konyshev</surname>
       <given-names>V. S.</given-names>
      </name>
     </name-alternatives>
     <xref ref-type="aff" rid="aff-1"/>
    </contrib>
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Лифанов</surname>
       <given-names>А. Д.</given-names>
      </name>
      <name xml:lang="en">
       <surname>Lifanov</surname>
       <given-names>A. D.</given-names>
      </name>
     </name-alternatives>
     <email>lifanov84@mail.ru</email>
     <xref ref-type="aff" rid="aff-1"/>
    </contrib>
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Никитина</surname>
       <given-names>К. Ю.</given-names>
      </name>
      <name xml:lang="en">
       <surname>Nikitina</surname>
       <given-names>K. Yu.</given-names>
      </name>
     </name-alternatives>
     <xref ref-type="aff" rid="aff-1"/>
    </contrib>
   </contrib-group>
   <aff-alternatives id="aff-1">
    <aff>
     <institution xml:lang="ru">Казанский национальный исследовательский технологический университет</institution>
    </aff>
    <aff>
     <institution xml:lang="en">Kazan National Research Technological University</institution>
    </aff>
   </aff-alternatives>
   <pub-date publication-format="print" date-type="pub" iso-8601-date="2025-08-01T11:33:32+03:00">
    <day>01</day>
    <month>08</month>
    <year>2025</year>
   </pub-date>
   <pub-date publication-format="electronic" date-type="pub" iso-8601-date="2025-08-01T11:33:32+03:00">
    <day>01</day>
    <month>08</month>
    <year>2025</year>
   </pub-date>
   <volume>28</volume>
   <issue>4</issue>
   <fpage>112</fpage>
   <lpage>117</lpage>
   <self-uri xlink:href="https://elibrary.ru/item.asp?id=81207656">https://elibrary.ru/item.asp?id=81207656</self-uri>
   <abstract xml:lang="ru">
    <p>Повышение требований по безопасности субъектов производственной деятельности привело к ряду технологических изменений в направлении усиления мер по промышленной безопасности. В настоящее время обязательным является разработка паспорта безопасности производственных объектов, особенно если химическое производство связано с использованием горючих жидкостей. При этом, приоритетным в создании безопасных химико-технологических систем является использование цифровых технологий. Данное направление является частью Индустрии 4.0. Во многих странах мерой разделения жидкостей на горючие и легковоспламеняемые является температура вспышки. Данные о температуре вспышки для органических соединений были взяты из базы данных PubChem. В базу данных для данной работы была включена информация о температуре вспышки для 1741 органических веществ. Для упрощения анализа представления органических соединений, мы использовали ключи MACCS, поскольку они являются одними из лучших дескрипторов для прогнозирования свойств химических соединений. Данные дескрипторы создаются на основе общих ключей подструктуры. Кроме того, модели были рассчитаны с использованием молекулярных отпечатков Моргана, также известных как циркулярные отпечатки с радиусом 2. В рамках данной работы были реализованы гребневая регрессия, алгоритм случайного леса, метод ближайших соседей kNN, метод опорных векторов (SVM), искусственные нейронные сети. Для обучающей выборки полученная классификационная модель случайного леса показала безошибочную классификацию, ошибка прогноза для нее равна 0. Статистические характеристики построенной RF-модели для выборки имеют следующие значения: точность АСС = 0.83, специфичность ЅРС = 0.81, чувствительность SEN = 0.86, сбалансированная точность BA = 0.83, коэффициент корреляции Мэтью МСС = 0.72. На основе разработанной модели был проведен прогноз принадлежности соединений к определенному классу («1» класс горючий или «0» легковоспламеняемый) для органических соединений, для которых отсутствует экспериментальная информация относительно принадлежности к классу «1» или «0».</p>
   </abstract>
   <trans-abstract xml:lang="en">
    <p>The increase in safety requirements for industrial entities has led to a number of technological changes in the direction of strengthening industrial safety measures. Currently, it is mandatory to develop a safety data sheet for production facilities, especially if chemical production is associated with the use of flammable liquids. At the same time, the use of digital technologies is a priority in creating safe chemical technology systems. This area is part of Industry 4.0. In many countries, the flash point is a measure of the separation of liquids into flammable and flammable. Flash point data for organic compounds were taken from the PubChem database. Information on the flash point for 1,741 organic substances was included in the database for this work. To simplify the analysis of the representation of organic compounds, we used MACC keys, as they are among the best descriptors for predicting the properties of chemical compounds. These descriptors are created based on the shared keys of the substructure. In addition, the models were calculated using Morgan molecular prints, also known as circular prints with a radius of 2. Within the framework of this work, ridge regression, the random forest algorithm, the kNN nearest neighbor method, the support vector machine (SVM) method, and artificial neural networks were implemented. For the training sample, the resulting classification model of a random forest showed an error-free classification, the prediction error for it is 0. The statistical characteristics of the constructed RF model for the sample have the following values: accuracy ACC = 0.83, sensitivity SPC = 0.81, specificity SEN = 0.86, balanced accuracy BA = 0.83, Matthews correlation coefficient MCC = 0.72. On the basis of the developed model, a forecast was made for the belonging of compounds to a certain class (&quot;1&quot; class combustible or &quot;0&quot; flammable) for organic compounds for which there is no experimental information regarding belonging to class &quot;1&quot; or &quot;0&quot;.</p>
   </trans-abstract>
   <kwd-group xml:lang="ru">
    <kwd>БОЛЬШИЕ ДАННЫЕ</kwd>
    <kwd>ИНДУСТРИЯ 4.0</kwd>
    <kwd>ТЕМПЕРАТУРА ВСПЫШКИ</kwd>
    <kwd>МАШИННОЕ ОБУЧЕНИЕ</kwd>
    <kwd>ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ</kwd>
   </kwd-group>
   <kwd-group xml:lang="en">
    <kwd>BIG DATA</kwd>
    <kwd>INDUSTRY 4.0</kwd>
    <kwd>FLASHPOINT TEMPERATURE</kwd>
    <kwd>MACHINE LEARNING</kwd>
    <kwd>ARTIFICIAL INTELLIGENCE</kwd>
   </kwd-group>
  </article-meta>
 </front>
 <body>
  <p></p>
 </body>
 <back>
  <ref-list/>
 </back>
</article>
