مدل سازی شرایط استخراج ترکیبات آنتی اکسیدانی گیاه چای کوهی با روش پاسخ سطح، شبکه عصبی مصنوعی و هیبرید شبکه عصبی- الگوریتم ژنتیک

اکسیداسیون چربی ها یکی از مهمترین دلایل کاهش کیفیت روغن ها و چربی ها می باشد که لزوم استفاده از آنتی اکسیدان‌ها را به عنوان یک افزودنی در مواد غذایی مطرح می‌نماید. گیاه چای کوهی با نام علمی stachys lavandulifolia گیاهی دارویی با خواص آنتی اکسیدانی است. با توجه به اینکه تاثیر فناوری‌های جدید در مقایسه با روش‌های سنتی از نظر صرفه جویی در زمان، انرژی و همچنین افزایش بازده استخراج مشخص شده است. هدف از این مطالعه مدل سازی استخراج ترکیبات آنتی اکسیدانی از چای کوهی با روش استخراج با کمک امواج فراصوت بود. به همین منظور، برای مدل سازی راندمان استخراج ترکیبات آنتی اکسیدانی شبکه عصبی، هیبرید شبکه عصبی مصنوعی- الگوریتم ژنتیک و روش سطح پاسخ استفاده شد . بهترین مدل بر اساس نتایج مدل شبکه عصبی با روش بهینه سازی گرادیان، با تابع آموزش trainbr و تابع انتقال tansig و تعداد لایه های پنهان این ترکیب دو با تعداد نرون 8 در لایه اول و 4 در لایه دوم بدست آمد. برای این ساختار شبکه خطای 0.0128 و ضریب همبستگی 97.30 درصد تعیین گردید. با مقایسه این روش با سطح پاسخ دقت مدل از 92% به 94.68% ارتقا پیدا کرد. بهترین نتیجه برای مدل هیبریدی در الگوریتم یادگیری trainbr با تابع انتقال tansig با یک لایه پنهان و 18  نرون رخ داد.  میزان خطا و ضریب همبستگی در این روش به ترتیب برابر با 0.0693 و 83.27 درصد گردید. با توجه به نتایج شبکه عصبی با روش گردیان بهتر جواب داد و روش هبیرید الگوریتم ژنتیک با شبکه عصبی مدل مناسبی برای پیش بینی نبود.  در نهایت می توان گفت که، چای کوهی می تواند به عنوان منبع بالقوه از ترکیبات آنتی اکسیدانی و شبکه عصبی مصنوعی می تواند به عنوان یک روش کاربردی موفق برای پیش بینی بازده استخراج ترکیبات آنتی اکسیدانی در نظر گرفته شود.

Modeling the extraction conditions of antioxidant compounds of Stachys lavandulifolia by surface response method, artificial neural network, and hybrid neural network - Genetic algorithm

Lipid oxidation is important issues that can lead to the degradation and destruction of foods containing lipids. A number of antioxidants have been used to solve this problem. Stachys lavandulifolia is a medicinal herb with antioxidant properties. Given that the impact of new technologies compared to traditional methods in terms of saving time, energy, and increase the efficiency of extraction have been identified. The aim of this study was modeling the extraction of antioxidant compounds from Stachys lavandulifolia by ultrasound-assisted extraction method. For this purpose, to model the extraction efficiency of neural network antioxidant compounds, artificial neural network hybrids - genetic algorithm and response surface methodology were used. The best model was obtained based on the results of the neural network model with gradient optimization method, with trainbr training and tansig transfer function and the number of hidden layers of this combination with two neurons 8 in the first layer and 4 in the second layer. For this network structure, an error of 0.0128 and a correlation coefficient of 97.30% were determined. By comparing this method with the response level, the model accuracy increased from 92% to 94.68%. The best result for the hybrid model occurred in the trainbr learning algorithm with the tansig transfer function with a hidden layer and 18 neurons. The error rate and correlation coefficient in this method were equal to 0.0693 and 83.27%, respectively. According to the results of the neural network with the logger method, it answered better and the hybrid method of the genetic algorithm with the neural network was not a suitable model for prediction. Finally, it can be said that mountain tea can be considered as a potential source of antioxidant compounds and neural network can be considered as a successful application method to predict the extraction efficiency of antioxidant compounds.