در این مطالعه فرایند حذف یون های فلزی ag(i)، pb(ii) و مخلوط pb(ii) و cu(ii) به ترتیب توسط جاذب های برگ درخت ارغوان، جوالدوزک و نانوذرات هیدروکسید کبالت مورد بررسی قرار گرفت. مدل سازی فرایند حذف فلزات فوق به ترتیب با استفاده از طرح های مرکب مرکزی، دالرت و شبکه عصبی مصنوعی انجام گرفت و غلظت اولیه یون فلزی، ph محلول و جرم جاذب به عنوان متغیرهای اولیه بررسی شدند. نقش گروه های عاملی موجود در ساخت برگ و میزان مشارکت آن ها در فرایند جذب یون های ag(i) و pb(ii) توسط تیتراسیون پتانسیومتری، طیف گیری ft-ir و اندازه گیری مقدار یون های فلزات قلیایی و قلیایی خاکی قبل و بعد از جذب این یون-ها بررسی شد و مکانیسم موثر در حذف این یون های فلزی تعیین گردید. در مدل سازی فرایند حذف مخلوط یون های pb(ii) و cu(ii) توسط نانوذرات هیدروکسید کبالت به عنوان جاذب نیز از شبکه عصبی پس انتشار استفاده گردید و آموزش شبکه توسط الگوریتم لونبرگ-مارکووآت انجام شد. مقایسه راندمان حذف تجربی یون های فلزی pb(ii) و cu(ii) با مقادیر پیش بینی شده توسط شبکه عصبی بیانگر کارایی خوبی این روش در مدل سازی فرایند حذف می باشد. همچنین روش هایی ساده برای اندازه گیری 4-کلروفنول و مخلوط دو آفت کش پروپانیل و مونالید به عنوان آلاینده های محیط زیست ارائه شده است. اندازه گیری 4-کلروفنول توسط الکترود کربن شیشه ای اصلاح شده با کامپوزیت نانولوله های کربنی و نانوذرات هیدروکسید نیکل (ii) انجام شد و برای مدل سازی متغیرهای موثر در فرایند نیز از یک طرح مرکب مرکزی استفاده شد. در شرایط بهینه پاسخ الکترود پیشنهادی در محدوده 1 تا 750 میکرومولار نسبت به غلظت 4-کلروفنول خطی است. اندازه گیری همزمان پروپانیل و مونالید نیز با استفاده از الکترود کربن شیشه ای اصلاح شده با نانوذرات اکسید نیکل و از طریق رگرسیون pls انجام شد. برای افزایش قدرت پیش گویی مدل، روش های پیش پردازش تصحیح سیگنال عمودی، تبدیل جعبه موجک و ترکیب روش های تصحیح سیگنال عمودی و تبدیل جعبه موجک مورد مطالعه قرار گرفت و با یکدیگر مقایسه شدند.