استخراج اسانس بیدمشک (Salix aegyptiaca L.) با روش تقطیر مقاومتی و مدلسازی سینتیک استخراج با شبکه عصبی مصنوعی | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 13, Volume 18, Issue 120, 1400, Pages 173-186 PDF (1.52 M) | ||
| DOI: 10.52547/fsct.18.120.14 | ||
| Authors | ||
| محسن زندی* ; علی گنجلو; ماندانا بی مکر | ||
| دانشگاه زنجان، دانشکده کشاورزی، گروه علوم و مهندسی صنایع غذائی | ||
| Abstract | ||
| در این پژوهش، تاثیر متغیرهای مختلف فرایند تقطیر مقاومتی شامل گرادیان ولتاژ (5، 15 و 25 ولت بر سانتیمتر)، زمان استخراج (30، 75 و 120 دقیقه) و غلظت نمک کلرید سدیم (5/0، 1 و 5/1 درصد) بر عملکرد استخراج، مصرف انرژی و محتوای فنول کل اسانس بیدمشک مورد بررسی قرار گرفت و با روش تقطیر آبی مقایسه شد. در نهایت از مدلسازی شبکه عصبی مصنوعی برای پیشبینی سینتیک استخراج اسانس استفاده شد. نتایج نشان داد که بازده استخراج، مصرف انرژی و محتوای فنول کل بهطور معنیداری تحت تاثیر متغیرهای زمان استخراج و گرادیان ولتاژ میباشد (05/0>p). بازده اسانس بهدست آمده توسط روشهای تقطیر مقاومتی و تقطیر آبی بهترتیب برابر 012/0±119/0 و 01/0±081/0 بود. بین وزن مخصوص، ضریب شکست و محتوای فنول کل اسانس حاصل از روشهای تقطیر مقاومتی و تقطیر آبی تفاوت معنیداری وجود نداشت (05/0˃p)، با اینحال IC50 اسانس استخراج شده توسط روش تقطیر مقاومتی بهطور معنیداری (05/0>p) بالاتر از اسانس بدست آمده با روش تقطیر آبی بود. در طراحی مدل شبکه عصبی مصنوعی گرادیان ولتاژ، زمان استخراج و غلظت نمک به عنوان ورودی در نظر گرفته شد و بازده استخراج اسانس بهعنوان خروجی مدل پیشبینی گردید. نتایج نشان داد که بهترین عملکرد پیشبینی مربوط به پیکربندی 3-9-8-1 بود (036/0RMSE= و 99/0R2=). بنابراین، میتوان نتیجه گرفت که روش تقطیر مقاومتی برای استخراج اسانس قابل استفاده است و مدل شبکه عصبی مصنوعی یک ابزار کمی کارآمد در پیشبینی سینتیک استخراج اسانس است. | ||
| Keywords | ||
| بیدمشک; تقطیر مقاومتی; شبکه عصبی مصنوعی; بازده استخراج | ||
| References | ||
|
| ||
|
Statistics Article View: 233 PDF Download: 184 |
||
| Number of Journals | 45 |
| Number of Issues | 2,174 |
| Number of Articles | 24,685 |
| Article View | 25,080,960 |
| PDF Download | 17,779,267 |