فهرست مطالب نویسنده:

emad aydani

انتخاب همه

بهینه سازی فرآیند آبگیری اسمزی پرتقال با روش سطح پاسخ و تخمین پارامترهای آبگیری با کمک شبکه ی عصبی مصنوعی

عماد آیدانی، مهدی کاشانی نژاد، محسن مختاریان، حمید بخش آبادی

نشریه پژوهش های علوم و صنایع غذایی ایران، سال نهم شماره 3 (پیاپی 25، پاییز 1392)، ص 202

در این تحقیق بهینه سازی فرآیند خشک کردن اسمزی برش های پرتقال با هدف بیشینه کردن کاهش آب و کمینه نمودن جذب مجدد آب و مقدار رطوبت نهایی توسط روش سطح پاسخ انجام گرفت. اثرات سه فاکتور دمای محلول اسمزی در محدوده ی 30 تا 60 درجه سانتی گراد، مدت زمان تماس محصول و محلول اسمزی در محدوده 0 تا 300 دقیقه و غلظت ساکارز در محلول اسمزی در محدوده 35 تا 65 درجه بریکس با کمک طرح مرکب مرکزی بر روی پارامترهای کاهش آب، جذب مواد جامد، نسبت کاهش آب به جذب مواد جامد، میزان رطوبت نهایی و اختلاف بریکس بررسی گردید. بررسی نتایج نشان داد شرایط بهینه برای فرآیند آبگیری اسمزی زمانی ایجاد می شود که دمای محلول اسمزی °C30، مدت زمان تماس محصول و محلول اسمزی 2/229 دقیقه و غلظت محلول اسمزی 65 درصد ساکارز باشد. در شرایط بهینه شاخص های کاهش آب، درصد جذب مواد جامد، نسبت کاهش آب به درصد جذب مواد جامد، محتوای رطوبت نهایی (مبنای خشک) و اختلاف بریکس به ترتیب 316/30 %، 51/13%، 45/، 77/2 و 79/15 درجه بریکس محاسبه گردید. همچنین نتایج مدلسازی شبکه عصبی مصنوعی نشان داد که شبکه ی عصبی پرسپترون با یک لایه ی پنهان نتایج بهتری را در پیش بینی پارامترهای آبگیری داشته و این شبکه توانست مقادیر جذب مواد جامد و محتوی رطوبت را با 5 نرون در لایه ی پنهان (ضریب تبیین به ترتیب 937/0 و 959/0) و اختلاف بریکس و کاهش آب را با 30 نرون در لایه ی پنهان (ضریب تبیین به ترتیب 961/0 و 942/0) پیش بینی نماید.

کلید واژگان: آبگیری اسمزی, روش سطح پاسخ, شبکه ی عصبی مصنوعی

چکیده مشاهده متن زبان: فارسی

Optimization of Orange Osmotic Dehydration Process Using Response Surface Method and Estimation of Dehydration Parameters by Artificial Neural Network

Emad Aydani, Mahdi Kashninejad, Mohsen Mokhtarian, Hamid Bakhshabadi

Iranian Food Science and Technology Research Journal, Volume:9 Issue: 3, 2013, P 202

In this study, Response Surface Methodology (RSM) was used to optimize osmo-dehydration of orange slice. Effect of osmotic solution temperature in the range of 30 to 60 °C, immersion time from 0 to 300 min and sucrose concentration from 35 to 65 brix degree on water loss, solid gain, moisture content, water loss to solid gain ratio and brix change were investigated by Central Composite Design (CCD). Applying response surface and contour plots optimum for osmotic dehydration were found to be at temperature of 30 °C, immersion time of 229.2 minute and sucrose concentration of 65%. At this optimum point, water loss, solid gain, WL/SG ratio, moisture content (dry base) and brix difference were found to be 30.316 (g/100 g initial sample), 13.51 (g/100 g initial sample), 2.45, 2.77 % and 15.79, respectively. The result of artificial neural network indicated that the perceptron neural network with one hidden layer is able to anticipate the dehydration characteristics. This network predicted solid gain and moisture content with 5 neuron per hidden layers with R2 values of 0.937 and 0.959, respectively and brix difference and water loss with 30 neuron per hidden layer with R2 values of 0.961 and 0.942, respectively.

Keywords: Osmotic Dehydration, Response Surface Methodology (RSM), Artificial neural network

Abstract View Paper Original: Persian

بدانید!

در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

emad aydani