امیررضا تالهی - گروه مهندسی شیمی، دانشگاه پیام نور، تهران، ایران
یداله خوشحال - گروه مهندسی شیمی، دانشگاه پیام نور، تهران، ایران
مونا طاهری - گروه مهندسی شیمی، دانشگاه پیام نور، تهران، ایران

استخراج ترکیبات زیست فعال از ضایعات به لحاظ ارزش اقتصادی و مسایل زیست محیطی از اهمیت به سزایی برخوردار است. در این پژوهش با استفاده از روش مدلسازی شبکه عصبی مصنوعی تاثیر پارامترهای توان ، دما ، زمان و سایز ذرات بر میزان هسپریدین و اسیدهای فنولیک در عصاره آبی استخراج شده از ضایعات مرکبات به روش اولتراسوند مورد بررسی قرار گرفته است. اسیدهای کافییک، کلروژنیک و پی کوماریک به عنوان شاخص اسیدهای فنولیک در ضایعات مرکبات در نظر گرفته شدند و مدل سازی فرآیند استخراج با طراحی یک شبکه عصبی مصنوعی صورت پذیرفت. ساختار انتخابی شبکه از نوع پرسپترون چند لایه با یک لایه ورودی، یک لایه پنهان و یک لایه خروجی و الگوریتم آموزش پس انتشار لونبرگ- مارکوارت بود. شبکه عصبی مصنوعی طراحی شده در این مطالعه توانست با آرایش 4-19-4 (4 نورون در لایه ورودی، 19 نورون در لایه پنهان و 4 نورون در لایه خروجی) و توابع انتقال logsig و purelin به ترتیب برای لایه های میانی (پنهان) و خروجی، پارامتر هدف (هسپریدین و اسیدهای فنولیک) را با موفقیت پیش بینی نماید . تابع عملکرد (R) مدل سازی مربوط به آموزش و اعتبار سنجی شبکه به ترتیب 0.999 و 0.986 حاصل گردید که نشان دهنده دقت بالای مدل سازی و کارایی بسیار خوب آن در پیش بینی فرآیند استخراج می باشد.

مدل سازی ، شبکه عصبی، اسید فنولیک، هسپریدین، استخراج اولتراسوند