مدل سازی بازده استخراج آنتول رازیانه در ستون RSDC با روش RSM و ANN
- سال انتشار: 1401
- محل انتشار: فصلنامه شیمی و مهندسی شیمی ایران، دوره: 41، شماره: 1
- کد COI اختصاصی: JR_NSMSI-41-1_023
- زبان مقاله: فارسی
- تعداد مشاهده: 61
نویسندگان
گروه مهندسی شیمی، دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
گروه مهندسی شیمی، دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
گروه مهندسی شیمی، دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
گروه مهندسی شیمی، دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
چکیده
در این پژوهش، داده های آزمایشگاهی به دست آمده از بازده عملیات استخراج جامد-مایع به دو روش سطح پاسخ و شبکه عصبی مصنوعی مدل سازی و شبیه سازی شد. در این عملیات، آنتول به عنوان اصلیترین ماده موثره دارویی موجود در اسانس دانه های گیاه رازیانه در تماس با حلال اتانول ۷۰% استخراج شد و بازده عملیات به عنوان تابع هدف قرار داده شد. این عملیات با تغییر در طراحی ستون استخراج مایع-مایع RDC و به کارگیری سینی های سوراخ دار و طراحی قیف در خروجی برج برای خارج شدن جامد صورت گرفت. به کمک ستون طراحی شده، اثر سه متغیر اندازه ذره های رازیانه، سرعت روتور و نسبت حلال به جامد بر بازده استخراج آنتول مورد بررسی قرار گرفت. آزمایش ها با ذره های ریز شده رازیانه در اندازه های ۷/۱، ۱ و ۳/۰ میلی متر، سرعت روتور ۹۰، ۱۳۵ و ۱۸۰ دور در دقیقه و نسبت حلال به جامد ۱۰، ۱۵ و ۲۰ برابر انجام شد و چگونگی تغییر پارامترها در آزمایش ها با استفاده از نرم افزار Design Expert، به روش سطح پاسخ و نیز با نرم افزار MATLAB به روش شبکه عصبی مصنوعی مدل سازی و بهینه سازی شد. نتیجه های به دست آمده از آنالیزهای GC-MS و GC به عنوان اطلاعات بازده استخراج و مقایسه با نتیجه های شبیه سازی نرم افزاری نشان می دهد که با ریزتر شدن اندازه دانه های جامد رازیانه، افزایش نسبت حلال به جامد و نیز افزایش سرعت روتور، بازده استخراج آنتول افزایش می یابد. همچنین داده های طراحی آزمایش توسط شبکه عصبی مصنوعی مدل سازی شد که ضریب همبستگی برای روش RSM و شبکه عصبی به ترتیب ۹۶۰۴/۰ و ۹۹۵۵/۰ به دست آمد. نتیجه ها نشان دهنده دقت بالای مدل سازی شبکه عصبی مصنوعی نسبت به داده های واقعی در قیاس با روش سطح پاسخ می باشد.کلیدواژه ها
آنتول, ستون RDC, استخراج, مدل سازی, RSM, شبکه عصبی مصنوعیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.