دوره 19، شماره 122 - ( 1401 )                   جلد 19 شماره 122 صفحات 295-285 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Movahednejad M H, Rajaei A, Rahimi Khoigani S. Modeling the extraction conditions of antioxidant compounds of Stachys lavandulifolia by surface response method, artificial neural network, and hybrid neural network - Genetic algorithm. FSCT 2022; 19 (122) :285-295
URL: http://fsct.modares.ac.ir/article-7-57210-fa.html
موحدنژاد محمد هادی، رجایی احمد، رحیمی خویگانی سروش. مدل سازی شرایط استخراج ترکیبات آنتی اکسیدانی گیاه چای کوهی با روش پاسخ سطح، شبکه عصبی مصنوعی و هیبرید شبکه عصبی- الگوریتم ژنتیک. مجله علوم و صنایع غذایی ایران. 1401; 19 (122) :285-295

URL: http://fsct.modares.ac.ir/article-7-57210-fa.html


1- استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران ، mhmovahed@shahroodut.ac.ir
2- دانشیار دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
3- دانش آموخته کارشناسی ارشد دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
چکیده:   (1434 مشاهده)
اکسیداسیون چربی ها یکی از مهمترین دلایل کاهش کیفیت روغن ها و چربی ها می باشد که لزوم استفاده از آنتی اکسیدان‌ها را به عنوان یک افزودنی در مواد غذایی مطرح می‌نماید. گیاه چای کوهی با نام علمی Stachys Lavandulifolia گیاهی دارویی با خواص آنتی اکسیدانی است. با توجه به اینکه تاثیر فناوری‌های جدید در مقایسه با روش‌های سنتی از نظر صرفه جویی در زمان، انرژی و همچنین افزایش بازده استخراج مشخص شده است. هدف از این مطالعه مدل سازی استخراج ترکیبات آنتی اکسیدانی از چای کوهی با روش استخراج با کمک امواج فراصوت بود. به همین منظور، برای مدل سازی راندمان استخراج ترکیبات آنتی اکسیدانی شبکه عصبی، هیبرید شبکه عصبی مصنوعی- الگوریتم ژنتیک و روش سطح پاسخ استفاده شد . بهترین مدل بر اساس نتایج مدل شبکه عصبی با روش بهینه سازی گرادیان، با تابع آموزش trainbr و تابع انتقال tansig و تعداد لایه های پنهان این ترکیب دو با تعداد نرون 8 در لایه اول و 4 در لایه دوم بدست آمد. برای این ساختار شبکه خطای 0128/0 و ضریب همبستگی 30/97 درصد تعیین گردید. با مقایسه این روش با سطح پاسخ دقت مدل از 92% به 68/94% ارتقا پیدا کرد. بهترین نتیجه برای مدل هیبریدی در الگوریتم یادگیری trainbr با تابع انتقال tansig با یک لایه پنهان و 18  نرون رخ داد.  میزان خطا و ضریب همبستگی در این روش به ترتیب برابر با 0693/0 و 27/83 درصد گردید. با توجه به نتایج شبکه عصبی با روش گردیان بهتر جواب داد و روش هبیرید الگوریتم ژنتیک با شبکه عصبی مدل مناسبی برای پیش­بینی نبود.  در نهایت می توان گفت که، چای کوهی می تواند به عنوان منبع بالقوه از ترکیبات آنتی اکسیدانی و شبکه عصبی مصنوعی می تواند به عنوان یک روش کاربردی موفق برای پیش بینی بازده استخراج ترکیبات آنتی اکسیدانی در نظر گرفته شود.
متن کامل [PDF 2506 kb]   (712 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: آنتی اکسیدان
دریافت: 1400/8/26 | پذیرش: 1400/10/5 | انتشار: 1401/1/16

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.