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

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.

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

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.