مدل‌سازي استخراج روغن از دان سياه به كمك پيش تيمار تركيبي ريزموج – ميدان الكتريكي پالسي با شبكه‌هاي عصبي مصنوعي

Modeling the oil extraction from Niger seeds using the combinational pretreatment of Microwave- pulsed electric field with artificial neural networks

در اين تحقيق به منظور مدل‌سازي فرايند استخراج روغن از دان سياه با استفاده از پيش‌تيمار تركيبي ريزموج- ميدان الكتريكي پالسي از 3 سطح زمان ريزموج (0، 100 و 200 ثانيه) و سه سطح شدت ميدان الكتريكي (0، 5/2 و 5 kV/cm) استفاده گرديد و بعد از اعمال اين پيش‌تيمارها، روغن دانه‌ها با پرس مارپيچي و با سرعت‌هاي متفاوت (11 تا 57 دور در دقيقه) استخراج گرديد و ميزان كارايي فرايند استخراج روغن، دانسيته، رنگ، پايداري اكسيداتيو، تركيبات فنولي و پروتئين كنجاله مورد بررسي قرار گرفت. جهت پيش‌بيني روند تغييرات از ابزارشبكه‌هاي عصبي مصنوعي استفاده شد. با بررسي شبكه‌هاي مختلف شبكه‌ي پس‌انتشار پيشخور با توپولوژي‌هاي 3-9-6 با ضريب همبستگي بيشتر از 995/0 و ميانگين مربعات خطاي كمتر از 001/0 و با بكارگيري تابع فعال‌سازي لگاريتم سيگموئيدي، الگوي يادگيري جهنده و چرخه يادگيري 1000 به عنوان بهترين مدل‌ عصبي مشخص گرديد. از طرفي نتايج نشان داد كه افزايش زمان ريزموج و همچنين شدت ميدان الكتريكي در ابتدا منجر به افزايش ميزان كارايي فرايند استخراج روغن گرديد ولي با افزايش بيشتر اين دو پارامتر ميزان كارايي فرايند استخراج روغن كاهش يافت. ميزان اسيديته روغن‌ها نيز با افزايش زمان ريزموج، شدت ميدان الكتريكي و سرعت دوراني پرس مارپيچي افزايش يافت. يافته‌هاي حاصل از مدل‌هاي بهينه‌ي انتخاب شده نيز ارزيابي گرديد و اين مدل‌ها با ضرايب همبستگي بالا )بيش از 918/0( قادر به پيش‌بيني روند تغييرات نمونه‌هاي روغن توليدي با پيش تيمار ريزموج- ميدان الكتريكي پالسي بودند.

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.