مدل سازی سینتیکی و رویکرد شبکه عصبی مصنوعی فرایند استخراج به روش حرارت دهی مقاومتی عصاره غازیاغی

تجزیه وتحلیل مدل سازی استخراج از ترکیبات طبیعی در کاربرد صنعتی ضروری است. در مقاله حاضر، استخراج عصاره از  گیاه غازیاغیFalcaria vulgaris)) به روش حرارت دهی مقاومتی مورد بررسی قرار گرفت. این مطالعه به منظور بیان تاثیر برخی از متغیرهای مشخص (نظیر گرادیان ولتاژ، نسبت اتانول به آب، زمان و دمای استخراج) بر بازده استخراج و محتوای فنلی کل (TPC) انجام شد. مدل های سینتیک (مدل های مرتبه اول، مرتبه دوم و پلگ) و شبکه عصبی مصنوعی برای مدل سازی فرآیند استخراج به به روش حرارت دهی مقاومتی استفاده شد. مطالعه سینتیکی نقش بسیار مهمی در ارزیابی فرآیند استخراج بازی می کند، زیرا امکان تخمین مقرون به صرفه بودن فرآیند از نظر صرفه جویی در زمان، هزینه و انرژی را فراهم می نماید. نتایج نشان داد که مدل های سینتیکی مرتبه دوم و پلگ توانستند به ترتیب مقادیر محتوای فنل کل عصاره و راندمان استخراج را با موفقیت پیش بینی نمایند. ضریب همبستگی بین بازده استخراج تجربی به دست آمده و محتوای فنلی کل و مقادیر پیش بینی شده توسط شبکه عصبی مصنوعی (2-16-4) برای آموزش برابر 995/0، برای اعتبارسنجی برابر 963/0 و برای آزمایش برابر 979/0 بود، که نشان دهنده توانایی پیش بینی خوب مدل است. مدل شبکه عصبی مصنوعی کارایی پیش بینی بالاتری نسبت به مدل های جنبشی داشت. شبکه عصبی مصنوعی می تواند فرآیند را با به طور مطمین تری نسبت به مدل های سینتیکی با قابلیت های پیش بینی و تخمین بهتری مدل کند.