Izvorni znanstveni članak
https://doi.org/10.15255/KUI.2022.085
Strojno učenje i neuronske mreže u modeliranju zadržavanja polarnih farmaceutski aktivnih tvari nanofiltracijom i reverznom osmozom
Yamina Ammi
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Alžir
Cherif Si-Moussa
orcid.org/0000-0001-5727-2742
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Alžir
Salah Hanini
; Laboratory of Biomaterials and Transport Phenomena (LBMPT), University of Médéa, 26 000 Médéa, Alžir
Sažetak
Zadržavanje polarnih farmaceutski aktivnih tvari (PPhAC) tijekom nanofiltracije i reverzne osmoze (NF/RO) od iznimne je važnosti u membranskim separacijskim procesima. Membransko zadržavanje 21 PPhAC-a korelirano je sa svojstvima PPhAC-a, karakteristikama membrane i uvjetima provedbe procesa filtracije. Pri tome su primijenjene tehnike umjetne inteligencije: višeslojni perceptron (MLP), neuronska mreža s radijalnom baznom funkcijom (RBF) i metoda potpornih vektora (SVM). Iz literature je prikupljena 541 vrijednost zadržavanja. Rezultati su pokazali visok kapacitet predviđanja MLP modela za cijeli skup podataka, s vrlo visokom vrijednošću koeficijenta korelacije (R = 0,9714) i vrlo niskom vrijednošću korijena srednje kvadratne pogreške (RMSE = 3,9139 %). Usporedba s preostala dva modela (RBF i SVM) pokazala je superiornost MLP modela. Analiza osjetljivosti ukazala je na to da zadržavanjem PPhAC-a upravljaju tri interakcije i to (padajućim redoslijedom): polarne interakcije (hidrofobnost/hidrofilnost), elektrostatsko odbijanje i steričke smetnje. Provedenoo istraživanje sugerira da zadržavanje PPhACs na NF/RO membrani snažno ovisi o topologiji polarne površine.
Ključne riječi
strojno učenje; neuronske mreže; modeliranje; zadržavanje; PPhACs; nanofiltracija; reverzna osmoza
Hrčak ID:
309800
URI
Datum izdavanja:
11.11.2023.
Posjeta: 177 *