پيشبيني سينتيك استخراج آنتي اكسيدانها از برگ ميوه به توسط شبكه عصبي

آنتي اكسيدانها ي طبيعي ضمن مفيد بودن عاري از معايب آنتي اكسيدانهاي مصنوعي مي باشند لذا در حال حاضر توجه زيادي به استخراج آنتي اكسيدانها از منابع طبيعي شده است. برگ ميوه به سرشار از آنتي اكسيدانهاي مفيد مي باشد. مطالعات گسترده اي در خصوص مدلسازي سينتيكي با استفاده از مدلهاي تجربي و تئوري شده است. شبكه عصبي بر خلاف روشهاي فوق يك روش داده محور مي باشد. لذا در اين تحقيق پيشبيني سينتيكي استخراج آنتي اكسيدانها از برگ ميوه به مورد ارزيابي قرار گرفت. استخراج آنتي اكسيدانها در شرايط مختلف استخراج (دماي استخراج، زمان استخراج و نسبت جرم برگ ميوه به) در مقياس آزمايشگاهي انجام شد و ميزان درصد مهاركنندگي DPPH در زمانهاي مختلف استخراج بدست آمد. دماي استخراج، زمان استخراج و نسبت جرم برگ ميوه به به حجم حلال به عنوان ورودي شبكه عصبي و درصد استخراج به عنوان خروجي شبكه (هدف) عصبي در نظر گرفته شد. به منظور طراحي مناسب شبكه عصبي، تعداد لايه پنهان، تعداد نرون لايه پنهان، تعداد گذر و نوع تابع آموزش بهينه شدند. ضريب همبستگي( )، ريشه ميانگين مربعات خطا (RMSE ) و ميانگين خطاي مطلق (AAD) به عنوان تابع عملكرد شبكه عصبي در نظر گرفته شدند. بالاترين انطباق بين داده هاي تجربي و خروجي شبكه عصبي در تعداد لايه پنهان برابر يك، تعداد نرون لايه پنهان برابر 7، تعداد گذر 250 و تابع آموزش لونبرگ ماركوارت بدست آمد. كه در آن مقادير R2 براي داده هاي تست و آموزش برابر 0.995 و 0.998 ارزيابي شد. نتيجه گرفته شد، شبكه عصبي يك ابزار بسيار قوي در پيش بيني سينتيك استخراج آنتي اكسيدانها از برگ ميوه به مي باشد.