مدلسازي ضريب انتشار مولكولهاي معطر در فيلم هاي پلاستيكي با استفاده از شبكه عصبي مصنوعي

Modeling of aroma compounds diffusion coefficient in polymeric films using artificial neural networks

جذب تركيبات معطر در بسته بنديهاي پلاستيكي و انتشار اين تركيبات سبب كاهش غلظت اين تركيبات در ماده غذايي مي شود و بدنبال آن ماندگاري و بازارپسندي مواد غذايي را كاهش مي دهد كه اين امر موجب زيانهاي اقتصادي فراواني مي شود بنابراين بررسي عوامل موثر بر پديده انتشار اين تركيبات در پليمرها جهت به حداقل رساندن اثرات منفي اين پديده اهميت فراواني دارد. در پژوهش حاضر از مدلسازي به روش شبكه عصبي جهت پديده انتشار پليمرها در تركيبات معطر استفاده شده است. مدل مذكور تاثير عوامل موثر براين پديده شامل عوامل محيطي، ساختار تركيبات معطر وساختارپليمرها را در نظر مي گيرد وقادر به ارايه ضريب انتشار است. اين مدل قابليت پيش بيني ضريب انتشار تركيبات معطر در بسته بندي هاي پلي اتيلن با دانسيته بالا را دارد. عصاره هاي نوشابه ها، عرقيات، كنسانتره هاي ميوه جات و بسياري فراورده هاي غليظ ديگر در بسته هاي پلي اتيلن با دانسيته بالا عرضه مي شوند. مدل ارايه شده قادر به محاسبه ماندگاري و شرايط بهينه نگهداري اين محصولات مي باشد ضمن اينكه از پرداخت هزينه هاي گزاف جهت اندازه گيري تجربي ضريب انتشار جلوگيري مي شود. دامنه كاربري اين مدل در محدوده دسته تركيبات معطر مورد استفاده عالي است كه از ويژگي هاي مدلسازي با استفاده از شبكه هاي عصبي مصنوعي مي باشد.

Sorption of flavor compounds to inner layer of polymer packages and subsequent diffusion results in loss of food flavor and consequently decreases shelf life and consumer acceptance of food stuffs which in turn causes major economic losses, so it is of utmost importance to research on diffusivity of these compounds in polymers to minimize negative effects of this phenomenon. In current research work, artificial neural networks have been applied to model polymer diffusivity to aroma molecules. The model considers all the factors that play a major role in diffusion including environmental factors, aroma molecule structure and polymer structure and is able to provide diffusion coefficient. This model could be used to predict diffusion coefficient of aroma compounds in high density polyethylene packages. Soft drinks extracts, essential oils, fruit concentrates and many other concentrated products are distributed in high density polyethylene packages. The model is able to calculate shelf life and optimum storage conditions of these products. Meanwhile it eliminates high costs involved in measuring diffusion coefficients of aroma compounds. This model at the range of aroma compounds used in this study functions excellent which is the characteristic of modeling using artificial neural networks.