چکیدهدر این پژوهش، استفاده از ضایعات چای به عنوان جاذب ارزان قیمت و فراوان، جهت استخراج منگنز از نمونههای غذایی مورد بررسی قرار گرفته است.با استفاده از اسید استیک 5 مولار منگنز از نمونههای غذایی استخراج و با اضافه کردن مقدار کمی از ضایعات چای به عنوان جاذب، منگنز آن استخراج شد. سپس با اسید نیتریک به عنوان حلال شوینده واجذب منگنز صورت گرفت. از طیف سنجی جذب اتمی شعله(FAAS) جهت تعیین مقدار یون منگنز استفاده شد. شبکه مصنوعی عصبی (ANN) جهت مدل سازی و بهینه سازی فرآیند استخراج مورد استفاده قرار گرفت. عوامل مؤثر بر استخراج از قبیل pH، مقدار جاذب، زمان استخراج و غلظت شوینده برای شویش منگنز از جاذب، پارامترهای ورودی بوده و پس از آموزش پس انتشار خطا (BP)، مدل ANNقادر به پیش بینی راندمان استخراج منگنز با یک تابع انتقال تانژانت سیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی بود. حد تشخیص برای منگنز ng.g-16/0 بدست آمد. سپس از این روش تحت شرایط بهینه، برای تعیین مقدار منگنز در نمونههای حقیقی استفاده گردید.کلمات کلیدی: استخراج با فاز جامد، منگنز، ضایعات چای، شبکه عصبی مصنوعی و نمونههای غذایی فهرست مطالبفصل اول: مقدمه1-1- مقدمه ..............21-2- فلزات سنگین........................................................................................................................21-3- منگنز و اهمیت اندازهگیری آن....................................................................................................31-4- روشهای استخراج..................................................................................................................41-5- استخراج با فاز جامد.................................................................................................................61-6- جاذب های طبیعی..................................................................................................................71-7- ضایعات چای.........................................................................................................................81-7-1- آماده سازی ضایعات چای بعنوان جاذب.. 91-8- شبکه عصبی مصنوعی(ANN)..................................................................................................101-8-1 ساختار شبکه عصبی مصنوعی.. 111-8-2- تشابهات شبکه عصبی مصنوعی و بیولوژیکی.. 131-8-3- توابع محرک............................................................................................................ 141-8-3-1 تابع محرک خطي................................................................................................................................................................161-8-3-2 تابع محرک لگاريتمي زيگموئيدي........................................................................... 161-8-4 الگوريتم‌هاي آموزش شبکههاي عصبي مصنوعي.. 191-8-5- یادگیری.....................................................................................................................201-8-6- الگوريتم لونبرگ مارکواردت.. 21فصل دوم: مروری بر منابع2-1- مقدمه..............................................................................................................................242-2- مروری بر مطالعات انجام شده در مورد روش استخراج با فاز جامد. 252-3- مروری بر مطالعات انجام شده در مورد جاذبهای کم هزینه. 282-4- مروری بر مطالعات انجام شده در مورد استفاده از ضایعات چای به عنوان جاذب.........................................29فصل سوم: مواد و روشها3-1- مقدمه..............................................................................................................................333-2- تجهیزات..........................................................................................................................333-3- مواد مصرفی.......................................................................................................................333-4- روش آماده سازی جاذب.........................................................................................................343-5- فرآیند استخراج....................................................................................................................343-6- مدل شبکه عصبی مصنوعی......................................................................................................35فصل چهارم: نتایج و بحث4-1- مقدمه................................................................................................................................404-2- مدلسازی با شبکه عصبی مصنوعی..............................................................................................404-3- بهینه سازی استخراج فاز جامد..................................................................................................414-4- آنالیز حساسیت....................................................................................................................484-4- مقایسه دادههای آزمایشگاهی و شبکه عصبی............................................................................. 504-4-1- اثر pH بر استخراج.................................................................................................... 504-4-2- اثر مقدار جاذب........................................................................................................ 514-4-3- اثر غلظت شوینده بر استخراج. 524-5- بررسی عملکرد روش......................................................................................................... 534-5-1- منحنی کالیبراسیون. 544-5-2- حد تشخیص........................................................................................................... 544-5-3- فاکتور تغلیظ........................................................................................................... 554-6- آنالیز نمونه های واقعی....................................................................................................... 554-6- نتیجه گیری.................................................................................................................. 56 فهرست شکلهاشکل 1-1 ساختار(a) یک نورون واقعی و ساختار (b) مدل یک نورون مصنوعی.......................................................................................... 12شکل 1-2 ساختار یک شبکه عصبی مصنوعی....................................................................................................................................................................... 13شکل 1-3 توابع محرک خطی ... 16شکل 1-5 تابع محرک لگاريتمي زيگموئيدي ... 17شکل(4-1) توزیع زیر مجموعه دادههای (a) آموزشی، (b) ارزیابی و (c) آزمایشی....................................................................................... 44شکل (4-2) ساختار ANN بهینه................................................................................................................................................................................................. 46شکل (4-3) میانگین مربعات خطای آموزشی، ارزیابی و آزمایشی برای الگوریتم LM............................................................................... 47شکل 4-4- اثر pH روی میزان استخراج یون منگنز........................................................................................................................................................ 51شکل 4-5- اثر مقدار جاذب ضایعات چای بر استخراج یون منگنز . 52شکل 4-6- اثر غلظت اسید نیتریک به عنوان حلال شوینده بر روی استخراج یون منگنز...................................................................... 52شکل 4-7- اثر زمان بر روی استخراج یون منگنز.............................................................................................................................................53 فهرست جداولجدول 1-1 انواع توابع محرک.... 15جدول 1-2 الگوريتم‌هاي آموزش شبکههاي معمولي... 20جدول 1-4: مقایسه الگوریتم ها با 10 نرون در لایه پنهان.. 41جدول(4-2) دادههای آزمایشی استفاده شده برای مدلANN.... 42جدول (4-3) ارزیابی عملکرد اثرات متقابل متغیرهای ورودی برای الگوریتم.. 49جدول4-4 تعیین منگنز در نمونههای غذایی (N=3)56-1- مقدمه اندازهگیری و تعیین دقیق یونهای فلزی در مقادیر ناچیز در نمونههای گوناگون محیطی، آبی، غذایی و بیولوژیکی بخاطر نقش مهم آنها در زندگی امروز بشر از مهمترین اهداف شیمیدانان تجزیه، به شمار میرود. جایی که مرز بین ضروری بودن میزان یونهای فلزی و میزان مضر بودن آنها بسیار محدود است، یونهای فلزات واسطه باید با دقت و نیز صحت تجزیهای مورد نیاز، به منظور جلوگیری از ایجاد خسارات زیان بار مورد ارزیابی واقع شوند (Afkhami et al., 2011). یکی از زمینههایی که امروزه بسیاری از تحقیقات، بویژه در حیطهی انواع سرطانها مورد توجه قرار گرفته است، بررسی نقش عناصر کمیاب در ایجاد و پیشرفت بیماریهای سرطانی است (مزدک و همکاران، 1387).بر این اساس، اندازهگیری فلزات در غلظتهایی در حد میکرو و نانو (فلزات ناچیز)، در بسیاری از زمینهها از قبیل تشخیص پزشکی، سم شناسی، کنترل آلودگی محیط زیست، کنترل کیفی مواد با خلوص بالا، اکتشافات زمین شناختی و غیره بسیار حائز اهمیت میباشد (Goswami and Singh, 2002).1-2- فلزات سنگیندر جدول تناوبی، به فلزات گروه 3 تا 16 در تناوب 4 و بعد از آن فلزات سنگین میگویند فلزات سنگین ترکیبات معدنی هستند که وزن مخصوص آنها 4 تا 5 برابر وزن مخصوص آب و نیز اوربیتال D آنها در حال پرشدن است. بسیاری از این عناصر نه تنها برای موجودات و انسان ضروری نیستند، بلکه دارای خاصیت بسیار سمی نیز هستند.ارگانیسمهای زنده به مقادیر بسیار کمی از بعضی فلزات سنگین برای رشد و بقا نیاز دارند که به اصطلاح به آنها عناصر جزئی گفته میشود. عناصر جزیی[1] به دو گروه تقسیم میشوند . گروه اول عناصری مانند کبالت، کروم، مس، آهن، منگنز، مولیبدن، سلنیوم و روی هستند که برای زندگی انسان ضروری میباشند و گروه دوم عناصری که دارای خواص سمی بالقوه برای انسان هستند مثل نقره، آلومینیم، آرسنیک، کادمیوم، جیوه، سرب و نیکل. البته وجود عناصر غیرضروری و سمی در آب در مقادیر ناچیز ، الزاماً نشاندهنده مخاطرهآمیز بودن آب نیست. همانطورکه عناصری مانند کبالت، کروم، آهن و سلنیوم که در مقادیر کم ضروری به شمار میروند، در غلظتهای بالا سمی هستند. ورود و تجمع فلزات سنگین به بدن انسان و موجودات زنده می تواند باعث اختلالات عصبی، بهم خوردن تعادل هورمونها، اختلالات تنفسی، آسیب به کبد، کلیه و مغز، آلرژی و آسم، کمخونی، اختلالات پوستی، ریزش مو، پوکی استخوان و در نهایت ایجاد سرطان شود. طبق مطالعات اپیدمیولوژیک بین ابتلا به بیماریهای قلبی، اختلالات کلیوی و انواع مختلف سرطانها با فلزات سنگین موجود در آب ارتباط وجود داشته است (میران زاده و همکاران، 1390).1-3- منگنز و اهمیت اندازهگیری آنمنگنز پنجمين عنصر از نظر فراواني در پوسته كره زمين است و در طبيعت به صورت يك فلز آزاد وجود ندارد بلكه در يازده حالت اكسايشي يافت ميشود و نوع دو ظرفيتي آن از نظر زيستي فعال است. شرايط خاص در برخي خاكها از جمله خاكهاي اسيدي و آتشفشاني منجر به احياي بيش از حد منگنز و ايجاد سميت اين عنصر ميشود (حاجی بلند، 1386).منگنز عنصري است که به راحتي در اختيار بدن قرار مي گيرد و منابع عمده ي آن حبوبات، غلات کامل، آجيل، چاي، شير و محصولات لبني و سبزيجات با برگ سبز پررنگ هستند که با توجه به در دسترس بودن آن ها به ميزان فراوان، به راحتي نيازمان به آن برآورده مي شود و کمتر موارد کمبود آن ديده شده است.کاربردمنگنز در بدن کنترل عملکرد مناسب آنزیمها، جذب مواد مغذی، درمان زخم‌ها و جراحات بدن و رشد استخوانی از جمله وظایف این ماده‌ی معدنی محسوب میشوند. به همین علت که منگنز جزو عناصر ضروری برای عملکرد بدن است. خوشبختانه کمبود این ماده معمولاً به ندرت بروز میکند. اما در بین افرادی که از مشکلات استخوانی، درد مفاصل رنج می‌برند مشاهده میشود. کمبود منگنز در انسان بندرت مشاهده میشود در حالیکه مسمومیت با منگنز در افرادی که در معرض غلظتهای بالائی از این عنصر یا ترکیبات آن قرار دارند مشاهده میشود و در دوران نوزادی از اهمیت ویژهای برخوردار است. تحقیقات نشان میدهد مسمومیت با منگنز تشکیل هموگلوبین را کاهش داده و باعث بروز کمخونی میشود (حسنزاده قصبه، 1381).منگنز در بدن انسان نقش کوآنزیمی داشته و با اتصال به بعضی آنزیمها بعنوان فعالکننده در تسریع واکنشها عمل میکند. افزایش میزان منگنز، آسیبهای شدید مغزی همراه با اختلالات فیزیولوژیکی و نورولوژیکی مانند بیماری پارکینسون(سختی عضلات) را سبب میشود (الصاق،1390)1-4- روشهای استخراجاندازهگیری مقدار کم یونها در نمونههای مختلف محیطی و بیولوژیکی یکی از اهداف مهم دانشمندان شیمی تجزیه میباشد و پیوسته در حال انجام است اما یکی از مشکلات بسیار اساسی این است که غلظت یونهای فلزی در نمونههای مختلف بسیار کم و کمتر از حد تشخیص دستگاههایی است که در دسترس قرار دارند و یا اینکه سایر گونههای موجود در نمونه برای اندازهگیری نمونه مزاحمت ایجاد میکنند (Soylak et al., 2002) و بنابراین جهت اندازهگیری یونهای فلزی بایستی عمل استخراج و پیش تغلیظ انجام شود(Safavi et al., 2006).حساسیت، سرعت، تکرارپذیری، سادگی و صحت روشهای تجزیهای برای تعیین عناصرجزئی در نمونههای محیطی و زمین شناسی مورد نیاز میباشد. اندازهگیری مستقیم غلظتهای فوق العاده پایین عناصر جزئی مورد نیاز با استفاده از روشهای اسپکترومتری اتمی جدید مانند اسپکترومتری جذب اتمی و اسپکترمتری نشر اتمی پلاسمای جفت شده القایی (امجدی و همکاران، 1386) به دلایلی که قبلا نیز ذکر شد از قبیل حد تشخیص دستگاه و مزاحمت بافت نمونه، اغلب مشکل است (Tuzen et al., 2005).در گذشته استخراج با حلال متداولترین روش استخراج بود. از معایب این روش، طولانی بودن زمان استخراج و مصرف مقادیر زیادی حلال است که مستلزم مراحل اضافی و صرف هزینه و وقت برای بازیافت حلال و تغلیظ عصاره می باشد که باعث آسیب به محیط زیست می گردد. همچنین باید از حرارت استفاده گردد که منجر به تجزیه گرمایی برخی ترکیبات می گردد روشهای نوین استخراج باید غیر سمی، سریع، مکانیزه و قابل اتوماسیون، دارای حساسیت بالا، از لحاظ هزینه به صرفه و از لحاظ محیطی ایمن باشند((Mandal et al., 2007روش های نوین استخراج ترکیبات مورد نیاز از مواد غذایی شامل استخراج با سیال فوق بحرانی، استخراج با مایع تحت فشار، استخراج با آب داغ تحت فشار، استخراج به کمک امواج مایکروویو، استخراج با حلال به کمک غشا، استخراج با فاز جامد و استخراج با لوله متحرک با قابلیت جذب می باشد. این تکنیکها با بسیاری از نیازهای امروزی مانند ملاحظات زیست محیطی، سرعت و قابلیت اتوماسیون مطابقت دارند. استفاده از این روشها موجب کاهش زمان استخراج، کاهش مقدار حلال مصرفی ، افزایش راندمان استخراج و بهبود کیفیت ترکیبات استخراج شده می گردد.با گسترش شیمی تجزیه، آمادهسازی نمونه به تدریج اصلیترین بخش آنالیز شده و 80درصد از زمان کل فرآیند تجزیه را در بر میگیرد. تعدد نمونههای زیستی و غذایی به موازات افزایش آلایندههای محیطی، اصلیترین دلیل گستردگی روشهای آمادهسازی نمونه است. با توسعه روشهای حساس و دقیق برای اندازهگیری نمونههای محیطی، تحقیقات بر روی روشهای سازگار با محیط زیست .با آلودگی کمتر متمرکز شده است (Chen et al., 2008).1-5- استخراج با فاز جامدروشهای استخراج با فاز جامد جهت جداسازی و پیش تغلیظ عناصرکمیاب از نمونههای زیست محیطی، مواد غذایی (Khajeh and Dastafkan, 2012)و نمونههای آبی (Khajeh et al., 2011)بطور گسترده استفاده میشود. در مواقعی که با بافت پیچیده نمونه و یا غلظت ناچیز آنالیت مواجهایم، این روش قادر به فراهم آوردن شرایط کاری انعطاف پذیر و در نتیجه استخراج ساده تر میباشد (Moyano et al., 1999). بخاطر مزایای متعددی، استخراج با فاز جامد جایگزین روش استخراج مایع-مایع (LLE)[2] (Pyrzynska and Trojanowicz, 1999) و سوکسله شده است (امجدی و همکاران، 1386) که این مزایا عبارتند از:1- بکاربردن نمونه به صورت مستقیم، ساده و سریع در اندازه خیلی کوچک (حجم میکرولیتر) بدون کاهش نمونه2- فاکتور پیش تغلیظ بالا3- تکرارپذیری بالا4- نیاز کم به حلالهای آلی5- توانایی ترکیب با روشهای مختلف به صورت On-line و یا Off-line6- صرفه جویی در هزینه و زمانو از دیگر مزایای این روش انعطاف پذیری[3]، سهولت خودکار شدن و نبودن فرآیند مزاحم امولسیون می باشد (Pyrzynska and Trojanowicz, 1999 ; Khajeh and Sanchooli, 2011).این روش برای استخراج و تغلیظ آنالیتها از یک بافت مایع به وسیله توزیع ترکیبات بین یک فاز جامد و یک فاز مایع استفاده می کند. هدف استخراج با فاز جامد از بین بردن ترکیبات مزاحم و تغلیظ آنالیت با بازیابی خوب و نتایج تکرار پذیر میباشد (Huck and Bonn, 2000) استخراج با فاز جامد معایبی نیز دارد که از جمله می توان به تکثیر پذیری پایین روش به خاطر تفاوتهای بین مقادیر دستهای جاذب ها، مشکل بودن استاندارد سازی استفاده از سیستم ایجاد مکش و خلا و ماهیت متنوع مراحل خشک شدن اشاره نمود (Walker and Mills, 2002).1-6- جاذب های طبیعیجاذبهای طبیعی، شامل مواد آلی و معدنیهستند. از جاذبهای آلی، میتوان كاه،چوبذرت، پوسته‌ی بادام زمینی،فیبر چوب و توربساخته شده از خزه‌ی پوسیده را نام برد. موادطبیعی، نسبتاً ارزان و به فراوانی در دسترسهستند و از شدت جذب قابل قبولی برخوردارند. ارزان و در دسترسبودن، تجدید‌پذیر بودن و متناسب بودن اینجاذبها با محیط زیست، باعث میشود كهتمایل بیشتری به سمت جاذبهای زیستی وطبیعی وجود داشته باشد.جاذبهاي طبیعی ارزان قیمت بوده و به راحتی در دسترس میباشند. برخی از انواع آنها در طبیعت به وفور یافت و در برخی از فعالیتها هم بصورت ضایعات بلا استفاده تولید میشوند. در حالی که قیمت رزینهاي تبادل یونی بسیار زیاد بوده و برآوردها بیانگر این است که با استفاده از این فرآیند در مقایسه با سایر روش ها حدود 20 درصد هزینه کاهش می یابد ( (Naddafi, 2005.با توجه به وسعت مطالعات در زمینه جذب با استفاده از جاذبهاي طبیعی، در ادامه به شرح مختصري از تحقیقات عمده پرداخته شده است:Bameri و Khajeh در سال 2013 به بررسی تاثیر خاك اره در حذف متیلن بلو از نمونههای آبی پرداختند.Wang و Qin در سال 2005 میزان جذب مس از آبهاي آلوده رابا استفاده از پوسته شلتوك برنج بررسی کردند.Grimm و همکاران در سال 2008 میزان جذب مس را با استفاده از جاذبهاي خاك اره، جلبک دریایی و خزه مورد بررسی قرار دادند.Montanher و همکاران در سال 2005 براي حذف سرب و مس از پوسته شلتوك برنج استفاده کردند.1-7- ضایعات چایچای یکی از قدیمیترین نوشیدنیها می باشد و پس از آب، پرمصرفترین و مهمترین نوشیدنیهای مطبوع برای رفع خستگی و تشنگی در بیشتر کشورهای جهان و از جمله ایران میباشد. بیش از 30 کشور چای خیز جهان، مبادرت به تولید چای سیاه میکنند که سهم ایران در این تولید جهانی، حدود 5/2 درصد است. بر اساس گزارش سازمان چای کشور در ایران سالانه حدود 50 تا 60 هزار تن چای سیاه تولید میشود. در عمل آوری تولید چای سیاه حدود 10 درصد ضایعات چای، موسوم به خاک چای حاصل میشود که بصورت پودر بوده و با غربال کردن چای سیاه در آخرین مرحله تولید و قبل از بسته بندی به دست می آید که در بازارهای جهانی قیمت چندانی ندارد (نجفی و همکاران، 1388).در هند تولید سالانه چای حدود 857000 تن است که 4/27 درصد از تولید کل جهان میباشد(Wasewar et al., 2008) مقدار چای خشک تولید شده از 100 کیلوگرم برگ چای سبز، 22 کیلوگرم بطور متوسط است و حدود 18 کیلوگرم برای بازار بسته بندی میشود و 4 کیلوگرم دیگر از مواد چای خشک به هدر میرود (Cay et al., 2004). مقدار ضایعات چای تولید شده در هر سال پس از پردازش در حدود 190400 تن در هند به تنهایی است ((Wasewar, 2010. در حال حاضر سالانه حدود 4 هزار تن ضایعات چای در کارخانجات چای سازی ایران تولید شده و تقریباً بدون مصرف میباشند (نیکخواه و همکاران، 1391).دیوارههای سلولی نامحلول برگهای چای از سلولوز[4]، همی سلولوز[5]، لیگنین[6]، تاننهای فشرده[7] و پروتئینهای ساختاری ساخته شدهاند. بعبارت دیگر یک سوم از کل ماده خشک در برگهای چای باید پتانسیل خوبی بعنوان جاذب فلزی از محلول و فاضلابهای آبی داشته باشند ((Wasewar, 2010.1-7-1- آمادهسازی ضایعات چای بعنوان جاذبجهت آمادهسازی ضایعات چای، بعنوان جاذب کم هزینه در استخراج فاز جامد روش خاصی در کتب و یا اسناد علمی بیان نشده است بلکه روشهایی بطور تجربی توسط پژوهشگران انجام شده و در مقالات مختلف ذکر شده است.Mahavi و همکاران در سال 2005 از روش بسیار ساده جهت آمادهسازی جاذبها استفاده کردند. آنها ضایعات چای را در مرحله اول شسته و با آب مقطر شستشو دادند و پس از خشک کردن در 100 درجه سانتیگراد با توری سایز 10، غربال کردند.Malkoc andNuhoglu در سال 2005 برای حذف اجزای رنگی چای قبل از آزمایش، آنها را برای مدت زمان طولانی با آب جوش شستشو دادند تا محلول حاوی ضایعات چای بیرنگ شود. سپس ضایعات چای را تمیزکرده و در دمای اتاق با عبور گاز خشک کردند.Amarasinghe and Williams در سال 2007 نیز با آب جوش ضایعات چای را شستشو دادند و آنقدر این کار را تکرار کردند تا اجزای محلول و رنگ آن از بین برود. سپس به مدت 12 ساعت در آون با حرارت 85 درجه سانتیگراد خشک کردند. ضایعات چای خشک، غربال شده و در کیسه از جنس پلی اتیلن نگهداری میشود. نوع مشابهی از روش آمادهسازی، توسط Cay و همکارانش طراحی شد و توسط Wasewar و همکارانش در سال 2008 استفاده شده است. قبل از آزمایش، ضایعات چای خرد شده با آب گرم (80 درجه سانتیگراد) به مدت یک ساعت شسته شده و تاننهای قابل هیدرولیز و دیگر اجزای محلول و رنگی حذف میشود. چای خشک بیرنگ و تمیز را در آون با 105 درجه سانتیگراد قرار داده تا خشک شود و در نهایت ذرات با اندازه 60-170 غربال میشود و بعنوان جاذب مورد استفاده قرار میگیرد.1-8- شبکه عصبی مصنوعی[8](ANN)شبکههاي عصبي، مدلهاي محاسباتي هستند که قادرند رابطه ميان ورودي ها وخروجي ها يک سيستم فيزيکي را توسط شبکه اي از گره ها که همگي با هم متصل هستند، تعيين نمايند که در آن ميزان فعاليت هر يک از اين اتصالات توسط اطلاعات تاريخي تنظيم مي شود (فرآيند يادگيري) و در نهايت مدل قادر خواهد بود قوانين مرتبط ميان ورودي ها وخروجي ها را کشف نمايد، هر چند اين قوانين غيرخطي و پيچيده باشند( دلاور، 1384).ANN که رسمأ از دهه 1970 میلادی مطرح شده است، با الگو قرار دادن فعالیتهای مغز انسان و براساس روابط منطقی مشابه، با دریافت یک سری اطلاعات نتایج منطقی را عرضه کرده و به کاربر ارائه میدهد. ANN با تجزیه و تحلیل دادههای ورودی و نتایج نظیر آنها ارتباطی منطقی بین دادهها برقرار میکند که ممکن است غیرخطی و نامشخص باشد، سپس با استفاده از این ارتباط منطقی، کار شبیه سازی را برای موارد احتمالی مشابه انجام میدهد.این شبکهها بر مبنای مقایسه بین خروجی شبکه و هدف تعدیل میشوند و تا زمانی که خروجی شبکه با خروجی هدف تطبیق پیدا کند این کار ادامه مییابد. شبکههای آموزش یافته را میتوان به صورت رویهای از جعبه سیاه برای برآوردهای غیرخطی با عنوان نگاشتهای غیرخطی قابل تنظیم معرفی کرد، چرا که فضای بردار ورودی را به وسیله مجموعهای از توابع غیرخطی به فضای خروجی مرتبط میسازد. کاربردیترین نوع شبکههای عصبی، شبکههای پروسپترون چندلایه (MLP)[9] و شبکههای توابع شعاعی (RBF)[10] میباشد (کوچکزاده و بهمنی، 1384).1-8-1 ساختار شبکه عصبی مصنوعیشبکههای عصبی اساساً حافظههایی هستند که اطلاعات را حفظ میکنند. درست همانطور که جای شبکه توزیع میگردد. ساختار شبکه عصبی از مدل نورون[11]های زیستی الهام گرفته است و بسیاری از ویژگیهای نورونهای زیستی از قبیل غیرخطی بودن، سادگی واحدهای محاسباتی و قابلیت یادگیری را دارد. در یک نورون مصنوعی، هریک از مقادیر ورودی، تحت تاثیر وزنی قرار میگیرد که تابع این وزن شبیه اتصال سیناپسی در یک نورون طبیعی است. عناصر پردازشگر از دو قسمت تشکیل شدهاند. قسمت اول ورودیهای وزندار را با هم جمع میکند و قسمت دوم یک فیلتر غیر خطی است که تابع فعالیتهای نورون نامیده میشود. این تابع، مقادیر خروجی یک نورون مصنوعی را بین مقادیر مجانب فشرده میکند. این فشرده سازی باعث میشود که خروجی عناصر پردازشگر در یک محدوده مناسب قرار گیرند (محمدی منور، 1385).