ПРИМЕНЕНИЕ НАНОЧАСТИЦ ОКСИДА ЦИНКА С ХИТОЗАНОМ ДЛЯ ИЗВЛЕЧЕНИЯ СВИНЦА ИЗ ОБРАЗЦОВ ВОДЫ МЕТОДОМ, СОЧЕТАЮЩИМ МУРАВЬИНЫЙ АЛГОРИТМ И ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ

Для твердофазной экстракции свинца из воды разработан метод получения наночастиц оксида цинка с хитозаном (CZPs). Муравьиный алгоритм в сочетании с искусственными нейронными сетями применялся для определения ионов свинца (Pb²⁺) в предварительно обогащенных образцах воды. Затем использовалась атомная абсорбционная спектрометрия в графитовой печи; pH раствора, масса адсорбента CZP, количество 1-(2-пиридилазо)-2-нафтола (PAN), которое использовали в качестве комплексообразующего агента, объем элюента, его концентрация, скорость потока образца и элюента служили входными параметрами модели муравьиного алгоритма, а процент выделенных ионов Pb²⁺ - как выходная переменная модель. Для согласования с экспериментальными данными использовалась многослойная система восприятия с алгоритмом обучения, основанным на обратном распространении. В оптимизированных условиях, которые найдены на основе муравьиного алгоритма, предел обнаружения ионов Pb²⁺ равен 0.078 мкг/л. Разработанный метод успешно использован для определения содержания ионов Pb²⁺ в различных образцах естественной воды.

свинец, наночастицы оксида цинка, хитозан, искусственная нейронная сеть, муравьиный алгоритм, образцы воды, lead, zinc oxide nanoparticles, chitosan, Artificial neural network, ant colony optimization, water samples

1. X. Zou, Y. Cui, X. Zhu, Z. Hu, X. Chang, J. Sol-Gel Sci. Technol., 50, 35-43 (2009).

2. M. Khajeh, S. Hezaryan, J. Ind. Eng. Chem., 19, 2100-2107 (2013).

3. R. M. P. Crecente, C. G. Lovera, J. B. García, J. A. Méndez, S. G. Martín, C. H. Latorre, Spectrochim. Acta, B, 101, 15-20 (2014).

4. M. Khajeh, E. Sanchooli, Biol. Trace Element Res., 143, 1856-1864 (2011).

5. W. S. W. Ngah, L. C. Teong, M. A. K. M. Hanafiah, Carbohydr. Polym., 83, 1446-1456 (2011).

6. P. Miretzky, A. F. Cirelli, J. Fluorine Chem., 132, 231-240 (2011).

7. C. Dongb, W. Chena, C. Liua, Y. Liub, H. Liu, Colloids Surf. A: Physicochem. Eng. Asp., 446, 179-189 (2014).

8. M. Ghaedi, A. Ansari, M. H. Habibi, A. R. Asghari, J. Ind. Eng. Chem., 20, 17-28 (2014).

9. L. H. Li, J. C. Deng, H. R. Deng, Z. L. Liu, L. Xian, Carbohydr. Res., 345, 994-998 (2010).

10. M. Khajeh, S. Laurent, K. Dastafkan, Chem. Rev., 113, 7728-7768 (2013).

11. M. Tan, G. He, X. Li, Y. Liu, C. Dong, J. Feng, Sep. Purif. Technol., 89, 142-146 (2012).

12. R. Ashena, J. Moghadasi, J. Petrol. Sci. Eng., 77, 375-385 (2011).

13. S. P. Simon, N. P. Padhy, R. S. Anand, J. Energy Environ., 4, 21-35 (2005).

14. M. M. AbdElhady, Int. J. Carbohydr. Chem., 1-6 (2012).

15. M. Khajeh, E. Jahanbin, Chemometr. Intell. Lab. Syst., 135, 70-75 (2014).

16. B. Vaferi, M. Karimi, M. Azizi, H. Esmaeili, J. Supercrit. Fluids, 77, 44-51 (2013).

17. M. Dorigo, G. Di Caro, The Ant Colony Optimization Meta-Heuristic. London, UK, McGraw-Hill, 11-32 (1999).

18. Y. Cui, X. Chang, Y. Zhai, X. Zhu, H. Zheng, N. Lian, Microchim. J., 83, 35-41 (2006).

19. M. M. Saeed, R. Ahmad, Radiochim. Acta, 93, 333 (2005).

20. K. L. Cheng, Anal. Chem., 30, 1027 (1958).

21. S. Dawood, T. K. Sen, Water Res., 46, 1933-1946 (2012).