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

نوع مقاله: پژوهشی

نویسندگان

1 استادیار شیمی تجزیه، گروه شیمی دریا، دانشکده‌ی علوم دریایی، دانشگاه دریانوردی و علوم دریایی چابهار، چابهار، ایران

2 استاد شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران

3 دانشجوی دکترا شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه سیستان و بلوچستان، زاهدان، ایران

4 کارشناسی ارشد شیمی تجزیه، گروه شیمی، دانشکده‌ی علوم، دانشگاه زابل، زابل، ایران

چکیده

 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.

کلیدواژه‌ها


[1]    Khajeh, M.; Kaykhaii, M.; Mirmoghaddam, M.; Hashemi, H.; Intern. J. Environ. Anal. Chem. 89, 981-992, 2009.
[2]    Hashemi, S.H.; Kaykhaii, M.; Khajeh, M.; Anal. Lett. 48, 1815-1829, 2015.
[3]    Hashemi, H.; Khajeh, M.; Kaykhaii, M.; Anal. Methods 5, 2778-2783, 2013.
[4]    Khajeh, M.; Kaykhaii, M.; Hashemi, H.; Mirmoghaddam, M.; Polym. Sci. Ser. B 51, 344-351, 2009.
[5]    Hashemi, S.H.; Kaykhaii, M.; Tabehzar, F.; J. Iran. Chem. Soc. 1-9, 2015.
[6]    Khajeh, M.; Bohlooli, M.; Hashemi, H.; J. Macromol. Sci. Chem. A. 46, 526-532, 2009.
[7]    Khayet, M.; Cojocaru, C.; Sep. Purif. Technol. 86, 171-182, 2012.
[8]    Mandal, S.; Sivaprasad, P.; Venugopal, S.; Murthy, K.; Appl. Soft. Comput. 9, 237-244, 2009.
[9]    Khajeh, M.; Moghaddam, Z. S.; Bohlooli, M.; Khajeh, A.; J. Chromatogr. Sci. 1-7, 2015.
[10]    Khajeh, M.; Ghaffari Moghaddam, M.; Shakeri, M.; J. Supercrit. Fluids 69, 91-96, 2012.
[11]    Moghadam, M. R.; Haji Shabani, A.M.; Dadfarnia, S.; J. Hazard. Mater. 197, 176–182, 2011.
[12]    Yetilmezsoy, K.; Demirel, S.; J. Hazard. Mater. 153, 1288-1300, 2008.
[13]    Khajeh, M.; Barkhordar, A.; Food Chem. 141, 712-717, 2013.
[14]    Ghaffari-Moghaddam, M.; Khajeh, M.; Food. Sci. Nutr. 2, 803-808, 2011.
[15]    Khajeh, M.; Kaykhaii, M.; Hashemi, S.H.; Shakeri, M.; J. Food Comp. Anal. 33, 32–38, 2014.
[16]    Khajeh, M.; Dastafkan, K.; J. Ind. Eng. Chem. 20, 3014-3018, 2014.
[17]    Khajeh, M.; Gharan, M.; J. Chemometrics, 28, 539–547, 2014.
[18]    Khayet, M.; Cojocaru, C.; Sep. Purif. Technol. 86, 171–182, 2012.
[19]    نکویی، مهدی؛ محمدحسینی، مجید؛ رحیمی، مهدی؛ علوی قره‌باغ، عبدالرضا؛ نشریه پژوهش‌های کاربردی در شیمی، شماره 4، صفحه‌ی 53-86، 1391.
[20]    زارع شاه‌آبادی، ولی؛ عباسی تبار، فاطمه؛ نشریه پژوهش‌های کاربردی در شیمی، شماره 15، صفحه‌ی 13-95، 1389.
[21]    Khajeh, M.; Yamini, Y.; Ghasemi, E.; Fasihi, J.; Shamsipur, M.; Anal. Chim. Acta 581, 208-213, 2007.