hrvatski

UPOTREBA METODA UMJETNE INTELIGENCIJE ZA MODELIRANJE ZADRŽAVANJA U IONSKOJ KROMATOGRAFIJI

Prateći financijske trendove današnjice pronalazak financijski prihvatljivije metode analize bitan je segment strategije razvoja većine modernih analitičkih laboratorija. Metodu kojom se na osnovu molekulske strukture analiziranih komponenata mogu predvidjeti vremena zadržavanja u ionskoj kromatografiji, predstavljaju QSRR modeli. Primjenom ovakve vrste modela skraćuje se vrijeme potrebno za odabir metoda prilikom određivanja nepoznatih analita. To je iznimno poželjno s obzirom da se izbjegava primjena metode „pokušaja i pogreške“ i skraćuje se samo vrijeme analize. U ovom radu, za potrebe pronalaska optimalne kombinacije molekulskih deskriptora, korišten je genetički algoritam dok je za izradu kvalitetnog QSRR modela korišten ANFIS sustav kao metoda umjetne inteligencije koja funkcionira ekvivalentno sustavu zaključivanja s neizrazitom logikom. Obje metode umjetne inteligencije, ANFIS i genetički algoritmi, optimirani su u svrhu dobivanja preciznih i pouzdanih QSRR modela. Razvijeni QSRR-ANFIS model poslužio je za daljnju izradu univerzalnog izokratnog modela vremena zadržavanja, te sljedno iz njega i modela vremena zadržavanja pri gradijentnim uvjetima elucije. Kao model vremena zadržavanja pri gradijentnim uvjetima elucije korišten je model temeljen na poznavanju ponašanja kromatografskog sustava pri izokratnim elucijama. Iako se izokratnim elucijama nedvojbeno postižu najbolji uvjeti kromatografskog razlučivanja, mogućnost reduciranja trajanja analize daje osobitu važnost gradijentnoj eluciji. Svi razvijeni modeli pokazali su prihvatljive vrijednosti predviđanja (relativne pogrešake manje od 20%) naglašavajući potencijal opisane metodologije za primjenu u realnim situacijama.

QSRR; ANFIS; ionska kromatografija; predviđanje vremena zadržavanja; analiza šećera

nije evidentirano