مدلسازی سینتیکی و رویکرد شبکه عصبی مصنوعی فرایند استخراج به روش حرارتدهی مقاومتی عصاره غازیاغی | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 14, Volume 19, Issue 131, 1401, Pages 173-186 PDF (752.06 K) | ||
| DOI: 10.22034/FSCT.19.131.173 | ||
| Authors | ||
| زینب حسنلوفرد1; مهدی قره خانی2; محسن زندی* 3; لیلا روفه گری نژاد2; علی گنجلو4 | ||
| 1دانشجوی دکتری علوم ومهندسی صنایع غذایی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران | ||
| 2استادیارگروه علوم و مهندسی صنایع غذایی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران | ||
| 3گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران | ||
| 4دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشگاه آزاد واحد تبریز | ||
| Abstract | ||
| تجزیهوتحلیل مدلسازی استخراج از ترکیبات طبیعی در کاربرد صنعتی ضروری است. در مقاله حاضر، استخراج عصاره از گیاه غازیاغیFalcaria vulgaris) ) به روش حرارتدهی مقاومتی مورد بررسی قرار گرفت. این مطالعه به منظور بیان تأثیر برخی از متغیرهای مشخص (نظیر گرادیان ولتاژ، نسبت اتانول به آب، زمان و دمای استخراج) بر بازده استخراج و محتوای فنلی کل (TPC) انجام شد. مدلهای سینتیک (مدلهای مرتبه اول، مرتبه دوم و پلگ) و شبکه عصبی مصنوعی برای مدلسازی فرآیند استخراج به به روش حرارتدهی مقاومتی استفاده شد. مطالعه سینتیکی نقش بسیار مهمی در ارزیابی فرآیند استخراج بازی میکند، زیرا امکان تخمین مقرونبهصرفه بودن فرآیند از نظر صرفهجویی در زمان، هزینه و انرژی را فراهم مینماید. نتایج نشان داد که مدلهای سینتیکی مرتبه دوم و پلگ توانستند بهترتیب مقادیر محتوای فنل کل عصاره و راندمان استخراج را با موفقیت پیشبینی نمایند. ضریب همبستگی بین بازده استخراج تجربی بهدستآمده و محتوای فنلی کل و مقادیر پیشبینیشده توسط شبکه عصبی مصنوعی (2-16-4) برای آموزش برابر 995/0، برای اعتبارسنجی برابر 963/0 و برای آزمایش برابر 979/0 بود، که نشاندهنده توانایی پیشبینی خوب مدل است. مدل شبکه عصبی مصنوعی کارایی پیشبینی بالاتری نسبت به مدلهای جنبشی داشت. شبکه عصبی مصنوعی میتواند فرآیند را با بهطور مطمئنتری نسبت به مدلهای سینتیکی با قابلیتهای پیشبینی و تخمین بهتری مدل کند. | ||
| Keywords | ||
| غازیاغی; استخراج; حرارتدهی مقاومتی; شبکه عصبی مصنوعی; مدل سینتیکی | ||
| References | ||
|
| ||
|
Statistics Article View: 200 PDF Download: 146 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,572 |
| Article View | 19,801,058 |
| PDF Download | 15,998,696 |