مدل سازی استخراج روغن از دان سیاه به کمک پیش تیمار ترکیبی ریزموج - میدان الکتریکی پالسی با شبکه های عصبی مصنوعی

در این تحقیق به منظور مدل سازی فرایند استخراج روغن از دان سیاه با استفاده از پیش تیمار ترکیبی ریزموج- میدان الکتریکی پالسی از 3 سطح زمان ریزموج (0، 100 و 200 ثانیه) و سه سطح شدت میدان الکتریکی (0، 5/2 و 5 kV/cm) استفاده گردید و بعد از اعمال این پیش تیمارها، روغن دانه ها با پرس مارپیچی و با سرعت های متفاوت (11 تا 57 دور در دقیقه) استخراج گردید و میزان کارایی فرایند استخراج روغن، دانسیته، رنگ، پایداری اکسیداتیو، ترکیبات فنولی و پروتئین کنجاله مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزارشبکه های عصبی مصنوعی استفاده شد. با بررسی شبکه های مختلف شبکه ی پس انتشار پیشخور با توپولوژی های 3-9-6 با ضریب همبستگی بیشتر از 995/0 و میانگین مربعات خطای کمتر از 001/0 و با بکارگیری تابع فعال سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخه یادگیری 1000 به عنوان بهترین مدل عصبی مشخص گردید. از طرفی نتایج نشان داد که افزایش زمان ریزموج و همچنین شدت میدان الکتریکی در ابتدا منجر به افزایش میزان کارایی فرایند استخراج روغن گردید ولی با افزایش بیشتر این دو پارامتر میزان کارایی فرایند استخراج روغن کاهش یافت. میزان اسیدیته روغن ها نیز با افزایش زمان ریزموج، شدت میدان الکتریکی و سرعت دورانی پرس مارپیچی افزایش یافت. یافته های حاصل از مدل های بهینه ی انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا )بیش از 918/0( قادر به پیش بینی روند تغییرات نمونه های روغن تولیدی با پیش تیمار ریزموج- میدان الکتریکی پالسی بودند.