سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه سازی کاهش کدورت شیره توت قرمز

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 26

This Paper With 18 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_EJFPP-16-4_006

Index date: 18 March 2025

مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه سازی کاهش کدورت شیره توت قرمز abstract

سابقه و هدف: در سال های اخیر، افزایش توجه به سلامت و کیفیت محصولات غذایی موجب شده است که فراوری مواد غذایی با به کارگیری روش های نوین، بسیار مهم تلقی شده و در راس توجه قرار گیرد. یکی از چالش های مهم در این زمینه، کدورت شیره های میوه ای و به ویژه شیره توت قرمز است. یکی از راه های موثر در کاهش کدورت، استفاده از جاذب های طبیعی است. در این راستا، پوست موز به عنوان یک جاذب طبیعی معرفی می شود که می تواند به عنوان یک فاکتور موثر در فرایند کاهش کدورت شیره توت قرمز عمل کند. پوست موز با ترکیبات غنی، شامل پکتین و فیبرهای گیاهی، به عنوان یکی از منابع بالقوه برای جذب ذرات معلق و کدورت شناخته می شود.مواد و روش ها: ماده هدف و اولیه موردمطالعه در تحقیق حاضر، شیره توت قرمز و پوست موز بوده که شیره توت تهیه گردیده در تحقیق حاضر دارای حدودا ۷۸ درجه بریکس بود، با استفاده از آب مقطر بریکس آن کاهش داده شده و تا مقدار ۱۵ رقیق سازی انجام گرفت. پوست موز پس از خشک کردن آن در دمای ملایم ۴۵ سانتی گراد در آون آزمایشگاهی توسط الک های صنعتی به اندازه های یکسان ۱ میلی متر تبدیل گردید. در نهایت با مقایسه روش های شبکه عصبی و فاکتوریل در کاهش کدورت شیره توت قرمز با استفاده از جاذب طبیعی پوست موز پرداخته شد. متغیرهای مستقل در نظر گرفته شده شامل دما، زمان و سرعت همزن بودند که هر کدام در ۴ سطح مختلف بررسی گردیده و توسط روش فاکتوریل به طراحی آزمایش پرداخته شد. پاسخ های در نظر گرفته شده شامل درصد کاهش کدورت و درصد کاهش کارایی جاذب بودند. یافته ها: نتایج نشان داد که بیشترین کاهش کدورت (۲۲/۴۷%) با کمترین کاهش کارایی جاذب طبیعی (۶۵/۵۷%) در دمای ۳۰ سانتی گراد و مدت زمان فرایند جذب سطحی ۳ ساعت با سرعت همزدن ۳۰۰ دور در دقیقه حاصل خواهد شد. همچنین از شبکه عصبی برای پیش بینی دو متغیر وابسته در نظر گرفته شده به عنوان تابعی از متغیرهای مستقل استفاده گردید. نتایج مدلسازی شبکه عصبی دقت بالایی را به منظور پیش بینی متغیر هدف نشان داد، به طوریکه مقادیر متوسط خطای نسبی (MRE) برای دو متغیر وابسته درصد کاهش کدورت و درصد کاهش کارایی جاذب به ترتیب برابر با ۰۶/۲ و ۹۰/۰ درصد بود که در مقایسه با روش فاکتوریل که مقادیر آن برابر با ۵۸/۴ و ۰۴/۶ درصد بودند، باعث بهبود چشمگیر پیش بینی دو متغیر وابسته در نظر گرفته شده گردید.نتیجه گیری: پوست موز به عنوان عامل جاذب طبیعی در کاهش کدورت شیره توت قرمز موثر عمل نمود، همچنین روش فاکتوریل به عنوان یکی از روش های طراحی آزمایش در جهت یافتن نقاط بهینه عملیاتی در فرایند کدورت زدایی به خوبی عمل کرد. در نهایت استفاده از شبکه عصبی جهت پیش بینی نتایج حاصل از پژوهش های آزمایشگاهی به خوبی توانایی مدل نمودن خروجی با درصد اطمینان بالا را داشته، به طوریکه در تحقیق حاضر در مقایسه با روش فاکتوریل در میان ۲ پاسخ وابسته در نظر گرفته شده، به بهبود نتایج هر دو ۲ متغیر وابسته کاهش کدورت و کاهش کارایی جاذب طبیعی منجر گردید.

مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه سازی کاهش کدورت شیره توت قرمز Keywords:

مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه سازی کاهش کدورت شیره توت قرمز authors

رضا بیگزاده

دانشیار، گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

امید احمدی

استادیار، گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

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 :
Fanzo, J., Bellows, A.L., Spiker, M.L., Thorne-Lyman, A.L., and Bloem, ...
Cosme, F., Pinto, T., Aires, A., Morais, M.C., Bacelar, E., ...
Dereli, B.O., Türkyılmaz, M., and Özkan, M. ۲۰۲۳. Clarification of ...
Shirvani, A., Mirzaaghaei, M., and Goli, S.A.H. ۲۰۲۳. Application of ...
Türkyılmaz, M., Hamzaoğlu, F., and Özkan, M. ۲۰۲۱. Effects of ...
Rezaei, M., Alizadeh Khaledabad, M., Moghaddas Kia, E., and Ghasempour, ...
Azamzam, A.A., Rafatullah, M., Yahya, E.B., Ahmad, M.I., Lalung, J., ...
Karmakar, S. and De, S., Pectin removal and clarification of ...
Vu, H.T., Scarlett, C.J., and Vuong, Q.V. ۲۰۱۸. Phenolic compounds ...
Akpomie, K.G. and Conradie, J. ۲۰۲۰. Banana peel as a ...
Topare, N.S. and Wadgaonkar, V.S. ۲۰۲۳. A review on application ...
Ververi, M. and Goula, A.M. ۲۰۱۹. Pomegranate peel and orange ...
Hu, J., Coombes, K.R., Morris, J.S., and Baggerly, K.A. ۲۰۰۵. ...
Ahmadi, O., Sayyar, Z., and Jafarizadeh Malmiri, H. ۲۰۲۳. Optimization ...
Eshghi, M., Kamali-Shojaei, A., Vaghari, H., Najian, Y., Mohebian, Z., ...
Hanrahan, G. and Lu, K. ۲۰۰۶. Application of factorial and ...
De Oliveira, M., Lima, V.M., Yamashita, S.M.A., Alves, P.S., Portella, ...
Abdolrasol, M.G., Hussain, S.S., Ustun, T.S., Sarker, M.R., Hannan, M.A., ...
Ahdno, H. and Jafarizadeh-Malmiri, H. ۲۰۱۵. Clarification of date syrup ...
Hagen, M., Demuth, H., and Beale, M., Neural Network Design ...
Hussain, M.A. ۱۹۹۹. Review of the applications of neural networks ...
Dennis Jr, J.E. and Schnabel, R.B., Numerical methods for unconstrained ...
Marquardt, D.W. ۱۹۶۳. An algorithm for least-squares estimation of nonlinear ...
Hagan, M.T. and Menhaj, M.B. ۱۹۹۴. Training feedforward networks with ...
Haykin, S., Neural networks: a comprehensive foundation. ۱۹۹۸: Prentice Hall ...
Beigzadeh, R., Rahimi, M.J.I.C.i.H., and Transfer, M. ۲۰۱۲. Prediction of ...
نمایش کامل مراجع