人工神经网络预测离子色谱分离条件

 以EDTA为淋洗液,用均匀试验设计法研究了高Cl^-浓度下Cl^-与NO₂^-,NO₃^-的分离条件.将实验条件和实验结果作为BP神经网络的训练集,同时对网络的结构和训练速率进行筛选和优化.经过2567次训练后,网络训练误差达到10^-5.对训练结果的考察表明,人工神经网络以较少的实验数据成功建立了离子色谱分离条件的预测模型,最大相对误差仅为0.85%.     

离子色谱测定高Cl-浓度样品中NO2-、NO3-的条件优化

本文研究了用EDTA溶液作淋洗液，用非抑制型离子色谱法测定高Cl^-浓度样品中NO2^-、NO3^-的流动相条件。用均匀设计法设计了实验方案，通过多元回归得出流动相浓度（X1）、流量（X2）、温度（X3）和pH值（X4）等因素对各离子的保留时间tCl^-、tNO2^-、tNO3^-影响的回归方程分别为。用网络法优化了实验条件，筛选出了优化条件，可较好地解决Cl^-峰对NO2^-峰的重叠、干扰的问题。