مقایسه روش سطح پاسخ و شبکه عصبی مصنوعی الگوریتم ژنتیک در مدل سازی شرایط -استخراج ترکیبات آنتی اکسیدانی گیاه چای کوهی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 679
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMNT02_055
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
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 Lavandulifolia گیاهی دارویی با خواص آنتی اکسیدانی است. با توجه به اینکه تاثیر فناوریهای جدید در مقایسه با روشهای سنتی ازنظر صرفه جویی در زمان، انرژی و همچنین افزایش بازده استخراج مشخص شده است. این مطالعه به بررسی راندمان استخراج ترکیبات آنتی اکسیدانی از چای کوهی با روش استخراج با کمک امواج فراصوت پرداخته است. در همین حال، برای پیش بینی راندمان استخراج ترکیبات آنتی اکسیدانی شبکه عصبی مصنوعی الگوریتم ژنتیک و روش سطح پاسخ -با یکدیگر مقایسه شدند. نتایج مقایسه شبکه عصبی الگوریتم ژنتیک با روش سطح پاسخ توانایی بهتری از این روش را - نشان داد. شبکه عصبی بهینه به ترتیب 10 نرون در لایه اول و 10 نرون در لایه دوم پنهان داشت. این معماری شبکه توانایی پیش بینی راندمان استخراج ترکیبات آنتی اکسیدانی با ضریب همبستگی بالا 0/94 راداشت در نهایت می توان گفت که، چای کوهی می تواند به عنوان منبع بالقوه بسیار خوبی از ترکیبات آنتی اکسیدانی و شبکه عصبی مصنوعی در ترکیب ژنتیک الگوریتم می تواند به عنوان یک روش کاربردی موفق برای پیش بینی بازده استخراج ترکیبات آنتی اکسیدانی در نظر گرفته شود
کلیدواژه ها:
نویسندگان
سروش رحیمی خویگانی
دانش آموخته کارشناسی ارشد، علوم و صنایع غذایی، دانشگاه صنعتی شاهرود
احمد رجایی
استادیار دانشگاه صنعتی شاهرود، دانشکده کشاورزی
محمد هادی موحد نژاد
استادیار دانشگاه صنعتی شاهرود، دانشکده کشاورزی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :