مدل سازی بازده استخراج آنتول رازیانه در ستون RSDC با روش RSM و ANN

در این پژوهش، داده‌های آزمایشگاهی به دست آمده از بازده عملیات استخراج جامد-مایع به دو روش سطح پاسخ و شبکه عصبی مصنوعی مدل‌سازی و شبیه‌سازی شد. در این عملیات، آنتول به عنوان اصلی ترین ماده موثره دارویی موجود در اسانس دانه‌های گیاه رازیانه در تماس با حلال اتانول 70% 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 سینی‌های سوراخ‌دار و طراحی قیف در خروجی برج برای خارج شدن جامد صورت گرفت. به کمک ستون طراحی شده، اثر سه متغیر اندازه ذره‌های رازیانه، سرعت روتور و نسبت حلال به جامد بر بازده استخراج آنتول مورد بررسی قرار گرفت. آزمایش‌ها با ذره‌های ریز شده رازیانه در اندازه‌های 7/1، 1 و 3/0 میلی‌متر، سرعت روتور 90، 135 و 180 دور در دقیقه و نسبت حلال به جامد 10، 15 و 20 برابر انجام شد و چگونگی تغییر پارامترها در آزمایش ها با استفاده از نرم‌افزار Design Expert، به روش سطح پاسخ و نیز با نرم‌افزار MATLAB به روش شبکه عصبی مصنوعی مدل‌سازی و بهینه سازی شد. نتیجه‌های به دست آمده از آنالیزهای GC-MS و GC به عنوان اطلاعات بازده استخراج و مقایسه با نتیجه‌های شبیه‌سازی نرم‌افزاری نشان می‌دهد که با ریزتر شدن اندازه دانه‌های جامد رازیانه، افزایش نسبت حلال به جامد و نیز افزایش سرعت روتور، بازده استخراج آنتول افزایش می‌یابد. همچنین داده های طراحی آزمایش توسط شبکه عصبی مصنوعی مدل‌سازی شد که ضریب همبستگی برای روش RSM و شبکه عصبی به ترتیب 9604/0 و 9955/0 به دست آمد. نتیجه‌ها نشان‌دهنده دقت بالای مدل‌سازی شبکه عصبی مصنوعی نسبت به داده‌های واقعی در قیاس با روش سطح پاسخ می باشد.