مدلسازی برخی از خصوصیات شیمیایی روغن سیاهدانه تحت تاثیر پیشتیمار مایکروویو و سرعت دورانی پرس مارپیچی | ||
| مجله پژوهشهای علوم و صنایع غذایی ایران | ||
| مقاله 2، دوره 14، شماره 1 - شماره پیاپی 49، فروردین و اردیبهشت 1397، صفحه 17-26 اصل مقاله (326.9 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/ifstrj.v1395i0.57722 | ||
| نویسندگان | ||
| حمید بخش ابادی* 1؛ حبیب الله میرزایی1؛ علیرضا قدس ولی2؛ سید مهدی جعفری1؛ امان محمد ضیایی فر1 | ||
| 1گروه مهندسی مواد و طراحی صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان. | ||
| 2بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران. | ||
| چکیده | ||
| در این تحقیق بهمنظور مدلسازی شبکههای عصبی مصنوعی فرایند استخراج روغن از دانههای سیاهدانه به کمک پیشتیمار مایکروویو از زمانهای مختلف فرایند (90، 180 و 270 ثانیه) و توانهای مختلف (180، 540 و 900 وات) استفاده گردید. بعد از اعمال این پیشتیمارها، روغن دانهها با پرس مارپیچی و با سرعتهای متفاوت (11، 34 و 57 دور در دقیقه) استخراج شد و میزان راندمان استخراج، اندیس اسیدی و اسیدیته، رنگ و پایداری اکسیداتیو نمونهها مورد بررسی قرار گرفت. جهت پیشبینی روند تغییرات از ابزارشبکههای عصبی مصنوعی در نرمافزار Matlab R2013a استفاده شد. با بررسی توپولوژیهای مختلف شبکه عصبی، شبکه پسانتشار پیشخور با توپولوژیهای 3-10-5 با ضریب همبستگی بیشتر از 995/0 و میانگین مربعات خطای کمتر از 0005/0 و با بکارگیری تابع فعالسازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 بهعنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدلهای بهینه انتخاب شده نیز ارزیابی گردید و این مدلها با ضرایب همبستگی بالا )بیش از 949/0( قادر به پیشبینی روند تغییرات بودند. | ||
| کلیدواژهها | ||
| استخراج روغن؛ سیاهدانه؛ سرعت دورانی پرس؛ مایکروویو؛ مدلسازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,559 تعداد دریافت فایل اصل مقاله: 1,036 |
||