基于遗传神经网络的BDE209分散液液微萃取条件优化.pdf

基于遗传神经网络的BDE209分散液液微萃取条件优化.pdf

持久性有机污染物论坛2009暨第四届持久性有机污染物全国学术研讨会论文集 基于遗传神经网络的BDE.209分散液液微萃取条件优化 盟1,胡艳1,翦英红2一,李鱼j’ 1.引言 分散液液微萃取(DLLM匣)是近年来建立的新型液液微萃取技术,由于其可以快速、简单、 高效的萃取水样中的有机物,已被用于水样中多种有机污染物的测定。影响DLL地萃取效率的因 素有很多,如萃取剂体积、分散剂体积等,有必要对DLLM巳的萃取条件进行优化。萃取条件的优 化方法主要有单因素试验、正交试验设计和遗传神经网络(GANN)模型。GANN模型可以模拟不 同水平间距的正交试验,使多因素、多位级的试验效率大大增强,较少的实验次数就能将实验条件 或结果优化。相比BP神经网络模型,GANN模型在训练速度及预测精度上有所提高,在萃取条件 优化方面已有应用。本文以液液微萃取水样中十溴联苯醚(BDE.209)的正交试验数据为训练样本, 建立BDE一209 行优化,得到水样中BDE.209的最佳DLLME萃取条件。 2.实验部分 2.1主要试剂与仪器 2.2分散液液微萃取 于10 rnL锥形玻璃离心管中加入5.OrnL的100BDE.209溶液,再用2.00rnL注射器将分

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档