مدل سازي شرايط استخراج تركيبات آنتي اكسيداني گياه چاي كوهي با روش پاسخ سطح، شبكه عصبي مصنوعي و هيبريد شبكه عصبي- الگوريتم ژنتيك

اكسيداسيون چربي ها يكي از مهمترين دلايل كاهش كيفيت روغن ها و چربي ها مي باشد كه لزوم استفاده از آنتي اكسيدان‌ها را به عنوان يك افزودني در مواد غذايي مطرح مي‌نمايد. گياه چاي كوهي با نام علمي Stachys Lavandulifolia گياهي دارويي با خواص آنتي اكسيداني است. با توجه به اينكه تاثير فناوري‌هاي جديد در مقايسه با روش‌هاي سنتي از نظر صرفه جويي در زمان، انرژي و همچنين افزايش بازده استخراج مشخص شده است. هدف از اين مطالعه مدل سازي استخراج تركيبات آنتي اكسيداني از چاي كوهي با روش استخراج با كمك امواج فراصوت بود. به همين منظور، براي مدل سازي راندمان استخراج تركيبات آنتي اكسيداني شبكه عصبي، هيبريد شبكه عصبي مصنوعي- الگوريتم ژنتيك و روش سطح پاسخ استفاده شد . بهترين مدل بر اساس نتايج مدل شبكه عصبي با روش بهينه سازي گراديان، با تابع آموزش trainbr و تابع انتقال tansig و تعداد لايه هاي پنهان اين تركيب دو با تعداد نرون 8 در لايه اول و 4 در لايه دوم بدست آمد. براي اين ساختار شبكه خطاي 0.0128 و ضريب همبستگي 97.30 درصد تعيين گرديد. با مقايسه اين روش با سطح پاسخ دقت مدل از 92% به 94.68% ارتقا پيدا كرد. بهترين نتيجه براي مدل هيبريدي در الگوريتم يادگيري trainbr با تابع انتقال tansig با يك لايه پنهان و 18  نرون رخ داد.  ميزان خطا و ضريب همبستگي در اين روش به ترتيب برابر با 0.0693 و 83.27 درصد گرديد. با توجه به نتايج شبكه عصبي با روش گرديان بهتر جواب داد و روش هبيريد الگوريتم ژنتيك با شبكه عصبي مدل مناسبي براي پيش بيني نبود.  در نهايت مي توان گفت كه، چاي كوهي مي تواند به عنوان منبع بالقوه از تركيبات آنتي اكسيداني و شبكه عصبي مصنوعي مي تواند به عنوان يك روش كاربردي موفق براي پيش بيني بازده استخراج تركيبات آنتي اكسيداني در نظر گرفته شود.