مدل‌سازي سينتيكي و رويكرد شبكه عصبي مصنوعي فرايند استخراج به روش ‌حرارت‌دهي مقاومتي عصاره غازياغي

تجزيه‌وتحليل مدل‌سازي استخراج از تركيبات طبيعي در كاربرد صنعتي ضروري است. در مقاله حاضر، استخراج عصاره از  گياه غازياغيFalcaria vulgaris) ) به روش حرارت‌دهي مقاومتي مورد بررسي قرار گرفت. اين مطالعه به منظور بيان تأثير برخي از متغيرهاي مشخص (نظير گراديان ولتاژ، نسبت اتانول به آب، زمان و دماي استخراج) بر بازده استخراج و محتواي فنلي كل (TPC) انجام شد. مدل‌هاي سينتيك (مدل‌هاي مرتبه اول، مرتبه دوم و پلگ) و شبكه عصبي مصنوعي براي مدل‌سازي فرآيند استخراج به به روش حرارت‌دهي مقاومتي استفاده شد. مطالعه سينتيكي نقش بسيار مهمي در ارزيابي فرآيند استخراج بازي مي‌كند، زيرا امكان تخمين مقرون‌به‌صرفه بودن فرآيند از نظر صرفه‌جويي در زمان، هزينه و انرژي را فراهم مي‌نمايد. نتايج نشان داد كه مدل‌هاي سينتيكي مرتبه دوم و پلگ توانستند به‌ترتيب مقادير محتواي فنل كل عصاره و راندمان استخراج را با موفقيت پيش‌بيني نمايند. ضريب همبستگي بين بازده استخراج تجربي به‌دست‌آمده و محتواي فنلي كل و مقادير پيش‌بيني‌شده توسط شبكه عصبي مصنوعي (2 16 4) براي آموزش برابر 0.995، براي اعتبارسنجي برابر 0.963 و براي آزمايش برابر 0.979 بود، كه نشان‌دهنده توانايي پيش‌بيني خوب مدل است. مدل شبكه عصبي مصنوعي كارايي پيش‌بيني بالاتري نسبت به مدل‌هاي جنبشي داشت. شبكه عصبي مصنوعي مي‌تواند فرآيند را با به‌طور مطمئن‌تري نسبت به مدل‌هاي سينتيكي با قابليت‌هاي پيش‌بيني و تخمين بهتري مدل كند.