استخراج اسانس بیدمشک (Salix aegyptiaca L.) با روش تقطیر مقاومتی و مدل سازی سینتیک استخراج با شبکه عصبی مصنوعی

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:

Salix aegyptiaca L. , Ohmic assisted hydrodistillation , Artificial neural network , Extraction yield. , بیدمشک , تقطیر مقاومتی , شبکه عصبی مصنوعی , بازده استخراج.