بازگشت به بانک اطلاعات پایان نامه ها

شماره دانشجویی : 930601041
نام و نام خانوادگي : ساناز هاشمي
عنوان پایان نامه : مدل‌سازی فرآیند جداسازی عصاره گیاهی به کمک سیال فوق بحرانی Co2 به کمک شبکه‌های عصبی
دانشكده : دانشکده فنی و مهندسی
گروه تحصيلي : مهندسي شيمي
رشته/گرایش تحصيلي : صنایع غذایی
مقطع تحصيلي : کارشناسی ارشد
استاد راهنما (عضو هیات علمی مرکز) : آزاده سادات شکرابی ,
استاد مشاور (عضو هیات علمی مرکز) : مریم اوتادی ,
چكيده : در این پژوهش، از داده‌های تجربی فرآیند استخراج والرنیک اسید از گیاه سنبل¬الطیب به‌وسیله سیال فوق بحرانی کربن¬دی¬اکسید به منظورپیش بینی راندمان استخراج استفاده‌شده است. در این فرآیند تغیر دما و فشار موجب تغییرات چگالی و ویسکوزیته می¬شوند و درنهایت همین امر منجر به افزایش یا کاهش بازده¬ی استخراج میگردد. تغییرات اندازه ذرات، ضرایب انتقال جرم را تحت تأثیر قرار می‌دهد و همچنین نرخ استخراج تحت تأثیر دبی حلال می‌باشد. در این پژوهش برای برقراری ارتباط میان 4 متغیر مستقل و راندمان استخراج از شبکه عصبی مصنوعی استفاده شده است. شبکه¬های عصبی مصنوعی به عنوان گونه-ای از مدل¬های مبتنی بر هوش محاسباتی، از ساختار موازی محاسبات عصبی در مغز انسان الهام گرفته شده¬اند. پارامترهای شبکه توسط الگوریتم¬های یادگیری و داده¬های تجربی به نحوی تنظیم می¬شوند که خطای خروجی را به حداقل برسانند.جهت پیاده سازی مدلسازی از 98 داده تجربی استفاده‌ شد. این داده‌ها به‌صورت تصادفی توسط نرم‌افزار به سه دسته آموزش (70%)، صحه سنجی(10%) و تست (20%) تقسیم‌بندی شدند. داده‌های آموزش (70%) در مرحله تعیین وزن و بایاس مورداستفاده قرار گرفتند (مرحله اموزش) از داده‌های صحه سنجی (10%) برای جلوگیری از پدیده overfitting استفاده می‌شود تا شبکه بیش‌ازحد آموزش نبیند و شبکه، خاصیت عمومی بودن خود را حفظ کند و در انتها از داده های تست بمنظور بررسی و عملکرد واقعی شبکه استفاده کردیم. نتایج نشان داد شبکه عصبی مصنوعی به خوبی می‌تواند راندمان استخراج والرنیک اسید را از گیاه سنبل الطیب پیش بینی کند بگونه ای که خطای پیش بینی آن در بازه %3- تا 3% بدست آمد میزان مربعات خطا در مرحله پیش بینی کمتر از 0003/0 MSE= و ضریب رگرسیون بالای 98 درصد بدست امد. در انتهای پژوهش ضرایب ماتریس وزن و بایاس جهت پیش بینی راندمان استخراج از 4 متغیر مستقل (دما، فشار، دبی حلال و قطر ذرات) ارائه گردید تا راهنمای مناسبی برای مهندسین شیمی و صنایع غذایی باشد.
كلمات كليدي : والرنیک اسید - سیال فوق بحرانی- مدل شبکه عصبی
تاريخ دفاع : 1397-06-17