В работе рассматривается способ определения констант устойчивости комплексов се-ребра. Процесс образования тиокарбогидразидных комплексов серебра(I) в водно-спиртовых растворах, содержащих 25, 50 и 75 объемн. % метилового и этилового спирта, при 298 К исследуется методом потенциометрического титрования. Приведено подробное описание данного процесса и определение констант устойчивости комплексов серебра с использованием метода наименьших квадратов (МНК). Целью данной работы явилось исследование процесса комплексообразования Ag(I) с тиокарбогидразидом (ТКЗ) в водно-спиртовых растворах, содержащих 25, 50 и 75 обьемн. % метанола и этанола при 321, 325 и 335 К. В работе рассмотрено сравнение полученных методами МНК и LS–SVM результатов исследования комплексообразования серебра в водных и водно-органических растворах. Проведены соответствующие вычислительные эксперименты. В качестве ядерной функции для метода LS–SVM было использовано полиномиальное ядро. Вычислительный эксперимент проводился на основе выборок, полученных в результате метода титрования. Приведены результаты критерия детерминации, полученные методами МНК и LS–SVM, в виде таблиц, а также зависимость ΔE от –lg[L] для тиокарбогидразидных комплексов серебра(I) в водно-метанольных растворах, содержащих 1-25, 2-50 и 3-75 обьемн. % спирта при 298 К. Делаются выводы об использовании метода LS–SVM для определения констант устойчивости образования комплексов переходных металлов с производными тиомочевины в водных и водно-органических растворах.

1. Новаковский М.С. Лабораторные работы по химии комплексных соединений. – 2-е изд., перераб. и доп. – Харьков: Изд-во Харьк. ун-та, 1972. – 232 с.

2. Мудинов Х.Г., Сафармамадов С.М. Комплексообразование серебра с 1,2,4-триазолом в водно-спиртовых растворах // Вестник Таджикского национального университета. – 2015. – № 1/6 (91). – С. 98–102.

3. Сангов М.М., Сафармамадов С.М. Комплексообразование Ag (I) с тиокарбогидразидом в интервале 288–328К // Вестник Таджикского национального университета. – 2015. – № 1/6 (91). – С. 74–79.

4. Сангов М.М., Сафармамадов С.М. Комплексообразование Ag (I) с тиокарбогидразидом в водно-спиртовых растворах // Вестник Таджикского национального университета. – 2016. – № 1/3 (200). – С. 179–183.

5. Капустин Е.И. Решение некоторых классов математических задач в программе Excel [Электронный ресурс]. – URL: http://old.exponenta.ru/educat/systemat/kapustin/014.asp (дата обращения: 06.06.2019).

6. Vapnik V. Statistical learning theory. – New York: John Wiley, 1998. – 736 p.

7. Least squares support vector machines / J.A.K. Suykens, T. Van Gestel, J. De Brabanter, B. De Moor, J. Vandewalle. –Singapore: World Scientific, 2002. – 290 p.

8. Cherkassky V., Ma Y. Practical selection of SVM parameters and noise estimation for SVM regression // Neural Networks. – 2004. – N 17. – P. 113–126.

9. Попов А.А., Саутин А.С. Определение параметров алгоритма опорных векторов при решении задачи построения регрессии // Сборник научных трудов НГТУ. – 2008. – № 2 (52). – С. 35–40.

10. Popov A.A., Sautin A.S. Selection of support vector machines parameters for regression using nested grids // The Third International Forum on Strategic Technology. – Novosibirsk, 2008. – P. 329–331.

11. Попов А.А., Бобоев Ш.А. Построение регрессионных зависимостей с использованием квадратичной функции потерь в методе опорных векторов // Сборник научных трудов НГТУ. – 2015. – № 3 (81). – С. 69–78. – DOI: 10.17212/2307-6879-2015-3-69-78.

12. Попов А.А., Бобоев Ш.А. Получение тестовой выборки в методе LS–SVM с использованием оптимального планирования эксперимента // Научный вестник НГТУ. – 2016. – № 4. – С. 80–99. – DOI: 10.17212/1814-1196- 2016-4-80-99.

13. Большаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов. – М.: Горячая линия-Телеком, 2007. – 522 с.

14. Попов А.А., Саутин С.А. Построение регрессионных зависимостей с использованием алгоритма опорных векторов с адаптивными функциями потерь // Научный вестник НГТУ. – 2011. – № 1 (42). – С. 17–26.

15. Попов А.А., Саутин С.А. Использование робастных функций потерь в алгоритме опорных векторов при решении задачи построения регрессии // Научный вестник НГТУ. – 2009. – № 4 (37). – С. 45–56.

16. Popov A.A., Boboev Sh.A. The construction of the robust regression models with the LS–SVM method using a nonquadratic loss function // 11th International Forum on Strategic Technology: proceedings of IFOST-2016. – Novosibirsk, 2016. – P. 394–396.

17. Попов А.А., Бобоев Ш.А. Построение робастных регрессионных моделей по методу LS–SVM с использованием функций потерь Хьюбера и взвешивания наблюдений // Обработка информации и математическое моделирование: материалы Российской научно-технической конференции. – Новосибирск, 2016. – С. 118–124.

18. Попов А.А., Бобоев Ш.А. Получение разреженных решений методом LS–SVM через построение обучающей выборки // Вестник Таджикского национального университета. Серия естественных наук. – 2017. – № 1–5. – С. 183–191.

19. Суходолов А.П., Попов А.А., Бобоев Ш.А. Настройка параметров ядерных функций в методе LS–SVM с использованием внешних критериев качества моделей // Доклады АН ВШ РФ. – 2017. – № 3 (36). – С. 88–104. – DOI: 10.17212/1727-2769-2017-3-88-104.

20. Попов А.А., Бобоев Ш.А. Получение разреженных решений методом LS–SVM через построение выборки с помощью методов оптимального планирования и внешних критериев качества моделей // Вестник Иркутского государственного технического университета. – 2018. – Т. 22, № 1 (132). – С. 100–117. – DOI: 10.21285/1814-3520-2018-100-117.

21. Попов А.А., Бобоев Ш.А. Получение разреженных решений с использованием D-оптимального разбиения исходной выборки на обучающую и тестовую части и критерия регулярности // Вестник кибернетики. – 2018. – № 3 (31). – С. 162–168.