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

در این پژوهش، یک روش حساس و کم‌هزینه برای تعیین سریع مقدار نفتالن سولفونات‌ها در آب دریا ارائه شده است. نخست به‌وسیله واکنش با تترابوتیل آمونیم این ترکیبات به‌صورت زوج یون درآورده شدند، سپس با 250 میکرولیتر تولوئن در حضور 500 میکرولیتر متانول به‌عنوان حلال پخشی و با استفاده از روش میکرواستخراج مایع- مایع درون سرنگ استخراج، به‌طور هم‌زمان تغلیظ شدند. اندازه‌گیری غلظت آن‌ها با طیف‌نورسنج مجهز به میکروکووت در طول‌موج 230 نانومتر در برابر محلول‌های استاندارد انجام پذیرفت. عامل‌هایی که روی کارایی استخراج اثر می‌گذارند از قبیل pH، نوع و حجم حلال استخراجی و پخشی و مقدار تترابوتیل آمونیم (عامل زوج یون) بررسی و بهینه شدند. تحت شرایط بهینه، عامل تغلیظ برای 1- نفتالن سولفونات 142 و گستره دینامیکی خطی روش برای این آنالیت 0/1 تا 0/75 میکروگرم بر لیتر به دست آمد. حد تشخیص روش برای این ترکیب 30/0 میکروگرم بر لیتر محاسبه شد. بازیابی نسبی کل نفتالن سولفونات‌ها از آب دریا با افزودن 20 میکروگرم بر لیتر از آن‌ها، بین 6/87 تا 5/98 درصد به‌دست آمد. روش پیشنهادی به‌طور موفقیت‌آمیزی برای تعیین نفتالن سولفونات کل از آب دریای خلیج چابهار به‌کار رفت. پرونده مقاله