۸۰۰

modeling of hesperidin and phenolic acid ultrasound-assisted extraction from citrus waste

كارشناسي ارشد

شيمي

تهران شمال

۱۳۹۷

۹۷/۱۰/۱۵

۱۸

مونا طاهري

: modeling neural network , neural network , phenolic acid

استخراج تركيبات زيست فعال از ضايعات به لحاظ ارزش اقتصادي و مسائل زيست محيطي از اهميت به سزايي برخوردار است.در اين پژوهش با استفاده از روش مدلسازي شبكه عصبي مصنوعي تأثير پارامترهاي توان ، دما ، زمان و سايز ذرات بر ميزان هسپريدين و اسيد هاي فنوليك در عصاره آبي استخراج شده از ضايعات مركبات به روش اولتراسوند مورد بررسي قرار گرفته است. اسيد هاي كافئيك ، كلروژنيك و پي كوماريك به عنوان شاخص اسيدهاي فنوليك در ضايعات مركبات در نظر گرفته شدند و مدل سازي فرآيند استخراج با طراحي يك شبكه عصبي مصنوعي صورت پذيرفت . ساختار انتخابي شبكه از نوع پرسپترون چند لايه با يك لايه ورودي، يك لايه پنهان و يك لايه خروجي و الگوريتم آموزش پس انتشار لونبرگ- ماركوارت بود . شبكه عصبي مصنوعي طراحي شده در اين مطالعه توانست با آرايش 4-19-4 (4 نورون در لايه ورودي، 19 نورون در لايه پنهان و 4 نورون در لايه خروجي) و توابع انتقال logsig و purelin به ترتيب براي لايه هاي مياني (پنهان) و خروجي، پارامتر هدف (هسپريدين و اسيدهاي فنوليك) را با موفقيت پيش بيني نمايد . تابع عملكرد (R) مدل سازي مربوط به آموزش و اعتبار سنجي شبكه به ترتيب 0.999 و 0.986 حاصل گرديد كه نشان دهنده دقت بالاي مدل سازي و كارايي بسيار خوب آن در پيش بيني فرآيند استخراج مي باشد .

52427