کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج یون‌های روی از نمونه‌های حقیقی با استفاده از مولکول نگاری بسپاری

نویسندگان

  • سید حسین هاشمی استادیار شیمی تجزیه، گروه شیمی دریا، دانشکده‌ی علوم دریایی، دانشگاه دریانوردی و علوم دریایی چابهار، چابهار، ایران
  • مجید میرمقدم دانشجوی دکترا شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران
  • محمد شاکری کارشناسی ارشد شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه زابل، زابل، ایران
  • مسعود کیخوایی استاد شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران
چکیده مقاله:

 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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج یون های روی از نمونه های حقیقی با استفاده از مولکول نگاری بسپاری

در این مقاله، یک روش مدل سازی جدید بر اساس شبکه عصبی مصنوعی سه لایه ای برای پیشگویی بازده استخراج یون های روی از نمونه های حقیقی به وسیله ی استخراج با مولکول نگاری بسپاری شرح داده می شود. داده های ورودی مدل شبکه عصبی مصنوعی سه لایه ای، ph، زمان جذب و زمان واجذب، مقدار لیگاند، حجم محلول و مقدار پلیمر استخراج کننده هستند و خروجی آن بازده استخراج یون های روی است. میانگین خطای مربعات و ضریب همبستگی...

متن کامل

جداسازی و پیش تغلیظ مقادیر ناچیز یون آهن با استفاده از مولکول نگاری پلیمری و کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج آن

in this study, a new modeling method based on three-layer artificial neural network (ann) techniques has been employed to predict the extraction yield of iron from real samples by means of molecularly imprinted polymer. input variables of the model were ph, absorption and desorption time, ligand amount and volume of solution while the output was extraction yield of iron ions. the mean squared e...

متن کامل

مدل‌سازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی

در این مطالعه آزمایش­های مزرعه­ای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنه­های متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتی­متر، سرعت­های پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگین­کننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکه­های عصبی مدل­سازی شده در این تحقیق که به­ منظور پیش­بینی بازده کششی تراکتور مورد اس...

متن کامل

پیش‌بینی ارتباط بین بازده سهام و عدم تقارن اطلاعاتی با استفاده از شبکه-های عصبی مصنوعی

با توجه به اهمیت­ بازده در مطالعات سرمایه­گذاری، برآورد رابطه­ی آن با عدم تقارن اطلاعاتی از مسائل مهم و ضروری است. تغییرات زمانی بازده، عدم کفایت مطالعات صورت گرفته و وجود عوامل تاثیرگذار بر میزان بازده سهام باعث توسعه­ی روش­های نوین و هوشمند در تخمین و برآورد بازده سهام شرکت­های بورسی شده است. هدف از این تحقیق پیش­بینی بازده سهام با استفاده از عدم تقارن اطلاعاتی با رویکرد شبکه­های عصبی مصنوعی ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 10  شماره 2

صفحات  17- 28

تاریخ انتشار 2016-08-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023