مدل سازی شرایط استخراج ترکیبات آنتی اکسیدانی گیاه چای کوهی با روش پاسخ سطح، شبکه عصبی مصنوعی و هیبرید شبکه عصبی- الگوریتم ژنتیک | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 23, Volume 19, Issue 122, 1401, Pages 285-295 PDF (2.45 M) | ||
| DOI: 10.52547/fsct.19.122.285 | ||
| Authors | ||
| محمد هادی موحدنژاد* 1; احمد رجایی2; سروش رحیمی خویگانی3 | ||
| 1استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران | ||
| 2دانشیار دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران | ||
| 3دانش آموخته کارشناسی ارشد دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران | ||
| Abstract | ||
| اکسیداسیون چربی ها یکی از مهمترین دلایل کاهش کیفیت روغن ها و چربی ها می باشد که لزوم استفاده از آنتی اکسیدانها را به عنوان یک افزودنی در مواد غذایی مطرح مینماید. گیاه چای کوهی با نام علمی Stachys Lavandulifolia گیاهی دارویی با خواص آنتی اکسیدانی است. با توجه به اینکه تاثیر فناوریهای جدید در مقایسه با روشهای سنتی از نظر صرفه جویی در زمان، انرژی و همچنین افزایش بازده استخراج مشخص شده است. هدف از این مطالعه مدل سازی استخراج ترکیبات آنتی اکسیدانی از چای کوهی با روش استخراج با کمک امواج فراصوت بود. به همین منظور، برای مدل سازی راندمان استخراج ترکیبات آنتی اکسیدانی شبکه عصبی، هیبرید شبکه عصبی مصنوعی- الگوریتم ژنتیک و روش سطح پاسخ استفاده شد . بهترین مدل بر اساس نتایج مدل شبکه عصبی با روش بهینه سازی گرادیان، با تابع آموزش trainbr و تابع انتقال tansig و تعداد لایه های پنهان این ترکیب دو با تعداد نرون 8 در لایه اول و 4 در لایه دوم بدست آمد. برای این ساختار شبکه خطای 0128/0 و ضریب همبستگی 30/97 درصد تعیین گردید. با مقایسه این روش با سطح پاسخ دقت مدل از 92% به 68/94% ارتقا پیدا کرد. بهترین نتیجه برای مدل هیبریدی در الگوریتم یادگیری trainbr با تابع انتقال tansig با یک لایه پنهان و 18 نرون رخ داد. میزان خطا و ضریب همبستگی در این روش به ترتیب برابر با 0693/0 و 27/83 درصد گردید. با توجه به نتایج شبکه عصبی با روش گردیان بهتر جواب داد و روش هبیرید الگوریتم ژنتیک با شبکه عصبی مدل مناسبی برای پیشبینی نبود. در نهایت می توان گفت که، چای کوهی می تواند به عنوان منبع بالقوه از ترکیبات آنتی اکسیدانی و شبکه عصبی مصنوعی می تواند به عنوان یک روش کاربردی موفق برای پیش بینی بازده استخراج ترکیبات آنتی اکسیدانی در نظر گرفته شود. | ||
| Keywords | ||
| چای کوهی; شبکه عصبی مصنوعی; الگوریتم ژنتیک; ترکیبات آنتی اکسیدانی; مدل سازی | ||
| References | ||
|
| ||
|
Statistics Article View: 153 PDF Download: 96 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,572 |
| Article View | 19,800,354 |
| PDF Download | 15,998,390 |