>
Fa   |   Ar   |   En
   application of artificial neural network modeling in prediction of the extraction yield of coppermorin complex from aqueous media utilizing a molecularly imprinted polymer coated stir bar  
   
نویسنده hashemi sayyed hossein ,kaykhaii massoud ,shakeri mohamad
منبع iranian journal of analytical chemistry - 2020 - دوره : 7 - شماره : 1 - صفحه:78 -87
چکیده    In this research, a new modeling method based on threelayer artificial neural network (ann) technique was applied to predict the extraction yield of coppermorin complex from aqueous samples by means of molecularly imprinted stir bar sorptive extraction. input variables of the model were ph of the solution, absorption and desorption times, stirring rate, temperature, and amount of morin ligand; while the output was extraction yield of copper ions. it was found that a network with 12 hidden neurons is highly accurate in predicting extraction recovery of coppermorin complex. the mean squared error and correlation coefficient between the experimental data and the ann predictions were achieved as 0.0009 and 0.9999 for training, 0.0032 and 0.976 for validation and 0.0030 and 0.96666 for testing data sets. under the optimum conditions, the linear range found to be in the range of 51000 μg l1 with the detection limit of 0.38 μg l1. the relative standard deviation was obtained to be below 5.3%. the method was successfully applied for preconcentration and determination of cu in a few real samples.
کلیدواژه artificial neural network ,copper extraction ,molecularly imprinted stir bar sorptive extraction ,water analysis
آدرس chabahar maritime university, faculty of marine science, department of marine chemistry, iran, university of sistan and baluchestan, faculty of sciences, department of chemistry, iran, university of zabol, department of chemistry, iran
پست الکترونیکی mohamadshakeri24@gmail.com
 
   کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج کمپلکس مسمورین از محیط های آبی با بکارگیری مولکول نگاری پلیمری پوشش دار شده روی میله همزن  
   
Authors هاشمی سید حسین ,کیخوائی مسعود ,شاکری محمد
Abstract    در این تحقیق، یک روش جدید مدل سازی با شبکه عصبی مصنوعی سه لایه­ای برای پیشگویی بازده استخراج کمپلکس مس مورین از نمونه­های آبی توسط استخراج بر روی میله همزن پوشش­دار شده با مولکول نگاری پلیمری بکار رفت. داده­های ورودی مدل شبکه عصبی مصنوعی، pH، زمان جذب و واجذب، سرعت هم­زدن، دما و مقدار لیگاند بودند و خروجی آن بازده استخراج یون­های مس بود. نتایج نشان داد که شبکه با 12 نرون مخفی صحت بالائی در پیشگویی بازده استخراج کمپلکس مس مورین در نمونه­های آبی دارد. میانگین خطای مربعات و ضریب همبستگی بین داده­های تجربی و پیشگویی­های 0009/0 و 9999/0 برای آموزش، 0032/0 و 976/0 برای ارزیابی و 0030/0 و 96666/0 برای داده­های آزمایش تعیین شد. در شرایط بهینه، گستره خطی دینامیکی 0/5 تا 0/1000 میکرو­گرم بر لیتر با حدّ تشخیص 38/0 میکروگرم بر لیتر به دست آمد و انحراف استاندارد نسبی کمتر از 3/5% بود. این روش با موفقیّت برای پیش تغلیظ و تعیین مس در چند نمونه حقیقی بکار گرفته شد.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved