دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات14
تعداد شماره‌ها688
تعداد مقالات7,127
تعداد مشاهده مقاله11,350,836
تعداد دریافت فایل اصل مقاله10,284,776
بیگزاده, رضا, احمدی, امید. (1403). مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز. , 16(4), 95-111. doi: 10.22069/fppj.2025.22813.1838
رضا بیگزاده; امید احمدی. "مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز". , 16, 4, 1403, 95-111. doi: 10.22069/fppj.2025.22813.1838
بیگزاده, رضا, احمدی, امید. (1403). 'مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز', , 16(4), pp. 95-111. doi: 10.22069/fppj.2025.22813.1838
بیگزاده, رضا, احمدی, امید. مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز. , 1403; 16(4): 95-111. doi: 10.22069/fppj.2025.22813.1838

مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز

نشریه فرآوری و نگهداری مواد غذایی
دوره 16، شماره 4، دی 1403، صفحه 95-111    اصل مقاله (919.68 K)
نوع مقاله: مقاله کامل علمی پژوهشی
شناسه دیجیتال (DOI): 10.22069/fppj.2025.22813.1838
نویسندگان
رضا بیگزاده1؛ امید احمدی* 2
1دانشیار، گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران
2استادیار، گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران
چکیده
سابقه و هدف: در سال‌های اخیر، افزایش توجه به سلامت و کیفیت محصولات غذایی موجب شده است که فراوری مواد غذایی با به‌کارگیری روش‌های نوین، بسیار مهم تلقی شده و در رأس توجه قرار گیرد. یکی از چالش‌های مهم در این زمینه، کدورت شیره‌های میوه‌ای و به‌ویژه شیره توت قرمز است. یکی از راه‌های مؤثر در کاهش کدورت، استفاده از جاذب‌های طبیعی است. در این راستا، پوست موز به‌عنوان یک جاذب طبیعی معرفی می‌شود که می‌تواند به‌عنوان یک فاکتور مؤثر در فرایند کاهش کدورت شیره توت قرمز عمل کند. پوست موز با ترکیبات غنی، شامل پکتین و فیبرهای گیاهی، به‌عنوان یکی از منابع بالقوه برای جذب ذرات معلق و کدورت شناخته می‌شود.
مواد و روش‌ها: ماده هدف و اولیه موردمطالعه در تحقیق حاضر، شیره توت قرمز و پوست موز بوده که شیره توت تهیه گردیده در تحقیق حاضر دارای حدودا 78 درجه بریکس بود، با استفاده از آب مقطر بریکس آن کاهش داده شده و تا مقدار 15 رقیق‌سازی انجام گرفت. پوست موز پس از خشک کردن آن در دمای ملایم 45 سانتی‌گراد در آون آزمایشگاهی توسط الک‌های صنعتی به اندازه‌های یکسان 1 میلی‌متر تبدیل گردید. در نهایت با مقایسه روش‌های شبکه عصبی و فاکتوریل در کاهش کدورت شیره توت قرمز با استفاده از جاذب طبیعی پوست موز پرداخته شد. متغیرهای مستقل در نظر گرفته شده شامل دما، زمان و سرعت همزن بودند که هر کدام در 4 سطح مختلف بررسی گردیده و توسط روش فاکتوریل به طراحی آزمایش پرداخته شد. پاسخ‌های در نظر گرفته شده شامل درصد کاهش کدورت و درصد کاهش کارایی جاذب بودند.
یافته‌ها: نتایج نشان داد که بیشترین کاهش کدورت (22/47%) با کمترین کاهش کارایی جاذب طبیعی (65/57%) در دمای 30 سانتی‌گراد و مدت زمان فرایند جذب سطحی 3 ساعت با سرعت همزدن 300 دور در دقیقه حاصل خواهد شد. همچنین از شبکه عصبی برای پیش‌بینی دو متغیر وابسته در نظر گرفته شده به‌عنوان تابعی از متغیرهای مستقل استفاده گردید. نتایج مدلسازی شبکه عصبی دقت بالایی را به منظور پیش‌بینی متغیر هدف نشان داد، به طوریکه مقادیر متوسط خطای نسبی (MRE) برای دو متغیر وابسته درصد کاهش کدورت و درصد کاهش کارایی جاذب به ترتیب برابر با 06/2 و 90/0 درصد بود که در مقایسه با روش فاکتوریل که مقادیر آن برابر با 58/4 و 04/6 درصد بودند، باعث بهبود چشمگیر پیش‌بینی دو متغیر وابسته در نظر گرفته شده گردید.
نتیجه‌گیری: پوست موز به‌عنوان عامل جاذب طبیعی در کاهش کدورت شیره توت قرمز موثر عمل نمود، همچنین روش فاکتوریل به‌عنوان یکی از روش‌های طراحی آزمایش در جهت یافتن نقاط بهینه عملیاتی در فرایند کدورت‌زدایی به‌خوبی عمل کرد. در نهایت استفاده از شبکه عصبی جهت پیش‌بینی نتایج حاصل از پژوهش‌های آزمایشگاهی به‌خوبی توانایی مدل نمودن خروجی با درصد اطمینان بالا را داشته، به طوریکه در تحقیق حاضر در مقایسه با روش فاکتوریل در میان 2 پاسخ وابسته در نظر گرفته شده، به بهبود نتایج هر دو 2 متغیر وابسته کاهش کدورت و کاهش کارایی جاذب طبیعی منجر گردید.
کلیدواژه‌ها
بهینه سازی؛ جاذب طبیعی؛ پوست موز؛ شبکه عصبی؛ شیره توت قرمز
مراجع
  1. Fanzo, J., Bellows, A.L., Spiker, M.L., Thorne-Lyman, A.L., and Bloem, M.W. 2021. The importance of food systems and the environment for nutrition. The American Journal of Clinical Nutrition, 113(1): 7-16.
  2. Cosme, F., Pinto, T., Aires, A., Morais, M.C., Bacelar, E., Anjos, R., Ferreira-Cardoso, J., Oliveira, I., Vilela, A., and Gonçalves, B.J.F. 2022. Red fruits composition and their health benefits—A review. Foods, 11(5): 644.
  3. Dereli, B.O., Türkyılmaz, M., and Özkan, M. 2023. Clarification of pomegranate and strawberry juices: Effects of various clarification agents on turbidity, anthocyanins, colour, phenolics and antioxidant activity. Food Chemistry, 413: 135672.
  4. Shirvani, A., Mirzaaghaei, M., and Goli, S.A.H. 2023. Application of natural fining agents to clarify fruit juices. Comprehensive Reviews in Food Science Food Safety, 22(6): 4190-4216.
  5. Türkyılmaz, M., Hamzaoğlu, F., and Özkan, M. 2021. Effects of pasteurization and storage on turbidity and copigmentation in pomegranate juices clarified with various hydrocolloid combinations. Food Chemistry, 358: 129803.
  6. Rezaei, M., Alizadeh Khaledabad, M., Moghaddas Kia, E., and Ghasempour, Z. 2020. Optimization of grape juice deacidification using mixture of adsorbents: A case study of Pekmez. Food Science Nutrition, 8(6): 2864-2874.
  7. Azamzam, A.A., Rafatullah, M., Yahya, E.B., Ahmad, M.I., Lalung, J., Alam, M., and Siddiqui, M.R. 2022. Enhancing the efficiency of banana peel bio-coagulant in turbid and river water treatment applications. Water, 14(16): 2473.
  8. Karmakar, S. and De, S., Pectin removal and clarification of juices, in Separation of functional molecules in food by membrane technology. 2019, Elsevier. p. 155-194.
  9. Vu, H.T., Scarlett, C.J., and Vuong, Q.V. 2018. Phenolic compounds within banana peel and their potential uses: A review. Journal of functional foods, 40: 238-248.
  10. Akpomie, K.G. and Conradie, J. 2020. Banana peel as a biosorbent for the decontamination of water pollutants. A review. Environmental Chemistry Letters, 18(4): 1085-1112.
  11. Topare, N.S. and Wadgaonkar, V.S. 2023. A review on application of low-cost adsorbents for heavy metals removal from wastewater. Materials Today: Proceedings, 77: 8-18.
  12. Ververi, M. and Goula, A.M. 2019. Pomegranate peel and orange juice by-product as new biosorbents of phenolic compounds from olive mill wastewaters. Chemical Engineering Processing-Process Intensification, 138: 86-96.
  13. Hu, J., Coombes, K.R., Morris, J.S., and Baggerly, K.A. 2005. The importance of experimental design in proteomic mass spectrometry experiments: some cautionary tales. Briefings in Functional Genomics, 3(4): 322-331.
  14. Ahmadi, O., Sayyar, Z., and Jafarizadeh Malmiri, H. 2023. Optimization of Processing Time, Temperature, and Stirring Rate to Synthesize the Ag Nanoparticles Using Oregano Extract. Iran. J. Chem. Chem. Eng., 42(10).
  15. Eshghi, M., Kamali-Shojaei, A., Vaghari, H., Najian, Y., Mohebian, Z., Ahmadi, O., and Jafarizadeh-Malmiri, H. 2021. Corylus avellana leaf extract-mediated green synthesis of antifungal silver nanoparticles using microwave irradiation and assessment of their properties. Green Processing Synthesis, 10(1): 606-613.
  16. Hanrahan, G. and Lu, K. 2006. Application of factorial and response surface methodology in modern experimental design and optimization. Critical reviews in analytical chemistry, 36(3-4): 141-151.
  17. De Oliveira, M., Lima, V.M., Yamashita, S.M.A., Alves, P.S., Portella, A.C.J.I.J.o.A.E.R., and Science. 2018. Experimental planning factorial: a brief review. 5(6): 264164.
  18. Abdolrasol, M.G., Hussain, S.S., Ustun, T.S., Sarker, M.R., Hannan, M.A., Mohamed, R., Ali, J.A., Mekhilef, S., and Milad, A. 2021. Artificial neural networks based optimization techniques: A review. Electronics, 10(21): 2689.
  19. Ahdno, H. and Jafarizadeh-Malmiri, H. 2015. Clarification of date syrup by activated carbon: investigation on kinetics, equilibrium isotherm, and thermodynamics of interactions. International Journal of Food Engineering, 11(5): 651-658.
  20. Hagen, M., Demuth, H., and Beale, M., Neural Network Design PWS Publishing Co. 1996, Boston.
  21. Hussain, M.A. 1999. Review of the applications of neural networks in chemical process control—simulation and online implementation. Artificial intelligence in engineering, 13(1): 55-68.
  22. Dennis Jr, J.E. and Schnabel, R.B., Numerical methods for unconstrained optimization and nonlinear equations. 1996: SIAM.
  23. Marquardt, D.W. 1963. An algorithm for least-squares estimation of nonlinear parameters. Journal of the society for Industrial, 11(2): 431-441.
  24. Hagan, M.T. and Menhaj, M.B. 1994. Training feedforward networks with the Marquardt algorithm. IEEE transactions on Neural Networks, 5(6): 989-993.
  25. Haykin, S., Neural networks: a comprehensive foundation. 1998: Prentice Hall PTR.
  26. Beigzadeh, R., Rahimi, M.J.I.C.i.H., and Transfer, M. 2012. Prediction of heat transfer and flow characteristics in helically coiled tubes using artificial neural networks. 39(8): 1279-1285.
آمار
تعداد مشاهده مقاله: 434
تعداد دریافت فایل اصل مقاله: 363


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب