استخراج اسانس بیدمشک (Salix aegyptiaca L.) با روش تقطیر مقاومتی و مدل سازی سینتیک استخراج با شبکه عصبی مصنوعی
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 70
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-18-120_014
تاریخ نمایه سازی: 1 آذر 1402
Abstract:
در این پژوهش، تاثیر متغیرهای مختلف فرایند تقطیر مقاومتی شامل گرادیان ولتاژ (۵، ۱۵ و ۲۵ ولت بر سانتی متر)، زمان استخراج (۳۰، ۷۵ و ۱۲۰ دقیقه) و غلظت نمک کلرید سدیم (۵/۰، ۱ و ۵/۱ 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 مدل سازی شبکه عصبی مصنوعی برای پیش بینی سینتیک استخراج اسانس استفاده شد. نتایج نشان داد که بازده استخراج، مصرف انرژی و محتوای فنول کل به طور معنی داری تحت تاثیر متغیرهای زمان استخراج و گرادیان ولتاژ می باشد (۰۵/۰>p). بازده اسانس به دست آمده توسط روش های تقطیر مقاومتی و تقطیر آبی به ترتیب برابر ۰۱۲/۰±۱۱۹/۰ و ۰۱/۰±۰۸۱/۰ بود. بین وزن مخصوص، ضریب شکست و محتوای فنول کل اسانس حاصل از روش های تقطیر مقاومتی و تقطیر آبی تفاوت معنی داری وجود نداشت (۰۵/۰˃p)، با این حال IC۵۰ اسانس استخراج شده توسط روش تقطیر مقاومتی به طور معنی داری (۰۵/۰>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 به عنوان خروجی مدل پیش بینی گردید. نتایج نشان داد که بهترین عملکرد پیش بینی مربوط به پیکربندی ۳-۹-۸-۱ بود (۰۳۶/۰RMSE= و ۹۹/۰R۲=). بنابراین، می توان نتیجه گرفت که روش تقطیر مقاومتی برای استخراج اسانس قابل استفاده است و مدل شبکه عصبی مصنوعی یک ابزار کمی کارآمد در پیش بینی سینتیک استخراج اسانس است.
Keywords:
Authors
Mohsen Zandi
Department Food Science and Engineering, Faculty of Agriculture, University of Zanjan
Ali Ganjloo
Department Food Science and Engineering, Faculty of Agriculture, University of Zanjan
Mandana Bimakr
Department Food Science and Engineering, Faculty of Agriculture, University of Zanjan
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :