hrvatski

UPORABA UMJETNIH NEURONSKIH MREŽA U OPTIMIZACIJI TEMPERATURNO OVISNOG IONSKOG KROMATOGRAFSKOG PROCESA

Jedan od važnijih segmenata procesa razvoja složenih kromatografskih metoda je modeliranje vremena zadržavanja. Time se pokušava uskladiti potreba za visoko kvalitetnom i brzom ionskom kromatografskom analizom, smanjenim utroškom kemikalija i što kraćim vremenom razvoja metode. U radu su uspoređena svojstva kaskadnih unaprijednih neuronskih mreža (eng. cascade forward neural networks) i neuronskih mreža s povratnim rasprostiranjem pogreške (eng. feed forward back propagation neural networks) pri razvoju temperaturno ovisnih modela vremena zadržavanja u ionskoj kromatografiji. Ponašanje kromatografskog sustava (vremena zadržavanja iona bromata, bromida, nitrita, jodida i perklorata) promatrano je u ovisnosti o temperaturi procesa separacije, koncentraciji kompeticijskog hidroksidnog iona u eluensu i brzini protoka eluensa. Umjetne neuronske mreže optimirane su u smislu odabira najpogodnije arhitekture mreže (algoritam za treniranje, broja neurona u skrivenom sloju, aktivacijska funkcija) kao i najpogodnijeg broja eksperimenatalnih podataka potrebnih za izradu modela. Rezultati su pokazali da se model vremena zadržavanja zasnovan na metodologiji kaskadnih unaprijednih neuronskih mreža odlikuje vrlo dobrim predviđanjem i stoga je uzet kao primarni odabir pri temperaturno ovisnoj optimizaciji u ionskoj kromatografiji.

ionska kromatografija; temperatura separacijskog procesa; model vremena zadržavanja; kaskadne unaprijedne neuronske mreže; neuronskih mreže s povratnim rasprostiranjem pogreške

nije evidentirano