کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج یونهای روی از نمونههای حقیقی با استفاده از مولکول نگاری بسپاری
نویسندگان
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.
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 کاملجداسازی و پیش تغلیظ مقادیر ناچیز یون آهن با استفاده از مولکول نگاری پلیمری و کاربرد شبکه عصبی مصنوعی در پیشگویی بازده استخراج آن
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 کاملمدلسازی 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 کاملارزیابی پتروفیزیکی مخزن هیدروکربوری با استفاده از داده های چاه نگاری و تکنیک شبکه عصبی مصنوعی
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 کاملمنابع 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.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023