در این مقاله، یک روش مدلسازی جدید بر اساس شبکه عصبی مصنوعی سه لایهای برای پیشگویی بازده استخراج یونهای روی از نمونههای حقیقی بهوسیلهی استخراج با مولکول نگاری بسپاری شرح داده میشود. دادههای ورودی مدل شبکه عصبی مصنوعی سه لایهای، pH، زمان جذب و زمان واجذب، مقدار ل چکیده کامل
در این مقاله، یک روش مدلسازی جدید بر اساس شبکه عصبی مصنوعی سه لایهای برای پیشگویی بازده استخراج یونهای روی از نمونههای حقیقی بهوسیلهی استخراج با مولکول نگاری بسپاری شرح داده میشود. دادههای ورودی مدل شبکه عصبی مصنوعی سه لایهای، pH، زمان جذب و زمان واجذب، مقدار لیگاند، حجم محلول و مقدار پلیمر استخراجکننده هستند و خروجی آن بازده استخراج یونهای روی است. میانگین خطای مربعات و ضریب همبستگی بین دادههای تجربی و پیشگوییها به ترتیب 0/00010 و 0/99923 برای آموزش، 0/0010 و 0/99373 برای ارزیابی و 0/0031 و 0/99178 برای دادههای آزمایش تعیین شدند. در شرایط بهینه، گسترهی خطی دینامیکی در گسترهی 20 تا µg.l-1 1000 با حد تشخیص µg.l-1 2/9 به دست آمد. انحراف استاندارد نسبی کمتر از 9/2% بود. این روش برای پیش تغلیظ و تعیین روی در نمونههای حقیقی متفاوت با موفقیت به کار گرفته شد.
پرونده مقاله