Mendeley  

Zotero  

Zandi M, Ganjloo A, Bimakr M. Ohmic assisted hydrodistillation extraction of musk willow (Salix aegyptiaca L.) essential oil and artificial neural network modeling of extraction kinetic. FSCT 2021; 18 (120) :173-186
URL: http://fsct.modares.ac.ir/article-7-54853-fa.html

در این پژوهش، تاثیر متغیرهای مختلف فرایند تقطیر مقاومتی شامل گرادیان ولتاژ (5، 15 و 25 ولت بر سانتی‌متر)، زمان استخراج (30، 75 و 120 دقیقه) و غلظت نمک کلرید سدیم (5/0، 1 و 5/1 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 مدل‌سازی شبکه عصبی مصنوعی برای پیش‌بینی سینتیک استخراج اسانس استفاده شد. نتایج نشان داد که بازده استخراج، مصرف انرژی و محتوای فنول کل به‌طور معنی‌داری تحت تاثیر متغیرهای زمان استخراج و گرادیان ولتاژ می‌باشد (05/0>p). بازده اسانس به‌دست آمده توسط روش‌های تقطیر مقاومتی و تقطیر آبی به‌ترتیب برابر 012/0±119/0 و 01/0±081/0 بود. بین وزن مخصوص، ضریب شکست و محتوای فنول کل اسانس حاصل از روش‌های تقطیر مقاومتی و تقطیر آبی تفاوت معنی‌داری وجود نداشت (05/0˃p)، با این‌حال IC₅₀ اسانس استخراج شده توسط روش تقطیر مقاومتی به‌طور معنی‌داری (05/0>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 به‌عنوان خروجی مدل پیش‌بینی گردید. نتایج نشان داد که بهترین عملکرد پیش‌بینی مربوط به پیکربندی 3-9-8-1 بود (036/0RMSE= و 99/0R²=). بنابراین، می‌توان نتیجه گرفت که روش تقطیر مقاومتی برای استخراج اسانس قابل استفاده است و مدل شبکه عصبی مصنوعی یک ابزار کمی کارآمد در پیش‌بینی سینتیک استخراج اسانس است.