دوره 19، شماره 123 - ( 1401 )                   جلد 19 شماره 123 صفحات 354-341 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karami P, Zandi M, Ganjloo A. Mathematical, fuzzy logic and artificial neural network modeling of extraction kinetics of essential oil from aerial parts of yarrow (Achillea millefolium L.) using ohmic-assisted hydrodistillation. FSCT 2022; 19 (123) :341-354
URL: http://fsct.modares.ac.ir/article-7-56310-fa.html
کرمی پروانه، زندی محسن، گنجلو علی. مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی. مجله علوم و صنایع غذایی ایران. 1401; 19 (123) :341-354

URL: http://fsct.modares.ac.ir/article-7-56310-fa.html


1- کارشناس ارشد، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
2- استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران ، zandi@znu.ac.ir
3- دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران.
چکیده:   (1445 مشاهده)
هدف پژوهش حاضر، پیش‌بینی سینتیک استخراج اسانس طی تقطیر مقاومتی با سه مدل مختلف (روش‌های رگرسیون غیر خطی (ریاضی)، شبکه عصبی مصنوعی (ANN) و منطق فازی) برای مقایسه دقت این مدل‌ها بود. بر اساس نتایج به دست آمده شبکه عصبی مصنوعی بهترین روش در بین همه مدل‌های اجرا شده برای پیش‌بینی عملکرد استخراج بود. چهار مدل ریاضی (مدل‌های مرتبه اول، مرتبه دوم، جذب و سیگموئید) بر داده‌های تجربی عملکرد استخراج برازش گردید. نتایج نشان داد که مدل مرتبه اول می‌تواند عملکرد استخراج اسانس را با ضریب همبستگی (R2) برابر 988/0 و ریشه میانگین مربعات خطا (RMSE) برابر 00014/0 به‌طور رضایت‌بخشی توصیف کند. شبکه عصبی با یک و دو لایه پنهان و 4 تا 30 نورون به‌طور تصادفی انتخاب شد و قدرت شبکه برای پیش‌بینی عملکرد استخراج برآورد شد. شبکه عصبی با ساختار پس‌انتشار پیش‌خور، الگوریتم آموزش لونبرگ-مارکوآرت و پیکربندی 3-11-11-1 دارای حداکثر R2 (999/0) و حداقل RMSE (0004/0) هستند. ابزار منطق فازی در متلب با مدل ممدانی در قالب قوانین اگر-آنگاه همراه با تابع عضویت مثلثی برای پیش‌بینی عملکرد استخراج استفاده گردید. علی‌رغم این واقعیت که منطق فازی نرخ برازش کمتری (997/0= R2) نسبت به  ANNرا تضمین می‌کند، این یک تکنیک قدرتمند برای برازش داده‌های تجربی عملکرد استخراج بود.
متن کامل [PDF 2004 kb]   (537 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: اسانس ها و عصاره ها
دریافت: 1400/7/20 | پذیرش: 1400/9/16 | انتشار: 1401/2/14

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.