این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۶، شماره ۸۶، صفحات ۹۵-۱۰۷
عنوان فارسی مدل‌سازی استخراج روغن از دان سیاه به کمک پیش تیمار ترکیبی ریزموج – میدان الکتریکی پالسی با شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله در این تحقیق به منظور مدل‌سازی فرایند استخراج روغن از دان سیاه با استفاده از پیش‌تیمار ترکیبی ریزموج- میدان الکتریکی پالسی از 3 سطح زمان ریزموج (0، 100 و 200 ثانیه) و سه سطح شدت میدان الکتریکی (0، 5/2 و 5 kV/cm) استفاده گردید و بعد از اعمال این پیش‌تیمارها، روغن دانه‌ها با پرس مارپیچی و با سرعت‌های متفاوت (11 تا 57 دور در دقیقه) استخراج گردید و میزان کارایی فرایند استخراج روغن، دانسیته، رنگ، پایداری اکسیداتیو، ترکیبات فنولی و پروتئین کنجاله مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزارشبکه‌های عصبی مصنوعی استفاده شد. با بررسی شبکه‌های مختلف شبکه‌ی پس‌انتشار پیشخور با توپولوژی‌های 3-9-6 با ضریب همبستگی بیشتر از 995/0 و میانگین مربعات خطای کمتر از 001/0 و با بکارگیری تابع فعال‌سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخه یادگیری 1000 به عنوان بهترین مدل‌ عصبی مشخص گردید. از طرفی نتایج نشان داد که افزایش زمان ریزموج و همچنین شدت میدان الکتریکی در ابتدا منجر به افزایش میزان کارایی فرایند استخراج روغن گردید ولی با افزایش بیشتر این دو پارامتر میزان کارایی فرایند استخراج روغن کاهش یافت. میزان اسیدیته روغن‌ها نیز با افزایش زمان ریزموج، شدت میدان الکتریکی و سرعت دورانی پرس مارپیچی افزایش یافت. یافته‌های حاصل از مدل‌های بهینه‌ی انتخاب شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا )بیش از 918/0( قادر به پیش‌بینی روند تغییرات نمونه‌های روغن تولیدی با پیش تیمار ریزموج- میدان الکتریکی پالسی بودند.
کلیدواژه‌های فارسی مقاله استخراج روغن،دان سیاه،پیش تیمار ترکیبی مایکروویو- میدان الکتریکی پالسی،شبکه‌های عصبی مصنوعی،
عنوان انگلیسی Modeling the oil extraction from Niger seeds using the combinational pretreatment of Microwave- pulsed electric field with artificial neural networks
چکیده انگلیسی مقاله In this research to model the process of extracting oil from Niger seeds using the combinational pretreatment of microwave-pulsed electric field three microwave time levels of (0, 100, and 200 seconds) and three electric field intensity levels of (0, 2.5 and 5 kV/cm) were used and after applying these pretreatments, the oil of seeds were extracted using the screw press with different speeds (11 to 57 rpm) and the efficiency of oil extraction process, density, color, oxidative stability, phenolic compounds and protein amount of meal were considered. The artificial neural network tool was used to predict the variations process. Through studying and examining various networks, the feed forward back propagation network with 6-9-3 topologies and with correlation coefficient of more than 0.995 and mean squared error less than 0.001 using logarithm sigmoid activation function, resilient learning pattern and learning process of 1000 were determined as the best neural method. On the other hand the results indicated that an increase in the microwave time and also in the electric field intensity at first led to increase in the efficiency of oil extraction process but with more increase in these two parameters the efficiency amount of oil extraction process was decreased. Also with increase in the microwave time, electric field intensity and the rotational speed of screw press the acidity amount of oils was increased too. The results obtained from selected optimized models were evaluated too and these models with high correlation coefficient (over 0.918) were able to predict the variation process of oil samples produced using microwave-pulsed electric field pretreatment.
کلیدواژه‌های انگلیسی مقاله استخراج روغن,دان سیاه,پیش تیمار ترکیبی مایکروویو- میدان الکتریکی پالسی,شبکه‌های عصبی مصنوعی
نویسندگان مقاله نازنین مریم محسنی |
گروه علوم و صنایع غذایی، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران

حبیب الله میرزایی |
دانشیار، دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

معصومه مقیمی |
گروه شیمی، واحد گنبد کواوس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران

نشانی اینترنتی https://fsct.modares.ac.ir/article_25861_08a5d95809c6c9bc7edf118890295377.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات