مقاله استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی که چکیده‌ی آن در زیر آورده شده است، در زمستان ۱۳۹۱ در فیزیولوژی محیطی گیاهی (پژوهش های اکوفیزیولوژی گیاهی ایران) از صفحه ۷۰ تا ۸۰ منتشر شده است.
نام: استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی
این مقاله دارای ۱۱ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله اکالیپتوس
مقاله تابع محرک
مقاله ترکیبات فنلی
مقاله شبکه های عصبی مصنوعی
مقاله مایکروویو

نویسنده(ها):
جناب آقای / سرکار خانم: قره خانی مهدی
جناب آقای / سرکار خانم: دهقانی امیراحمد
جناب آقای / سرکار خانم: قره خانی احمد
جناب آقای / سرکار خانم: جبرائیلی شاهرخ
جناب آقای / سرکار خانم: قربانی محمد

چکیده و خلاصه‌ای از مقاله:
روش های استخراج جدید همچون استخراج به کمک مایکروویو، روش های سریع و موثر برای استخراج ترکیب های موثره از بافت های گیاهی هستند. با انتخاب صحیح و مناسب روش استخراج می توان حداکثر غلظت ترکیب های فنلی را با خلوص بالا از ماده مورد نظر در مقایسه با روش های سنتی استخراج کرد. در این تحقیق تاثیر غلظت اتانول (۱۰، ۲۰، ۳۰، ۴۰، ۵۰، ۶۰، ۷۰، ۸۰، ۹۰ و ۱۰۰ درصد) و زمان استخراج (۰٫۵، ۱، ۲، ۵، ۷، ۹، ۱۱، ۱۳ و ۱۵ دقیقه) بر روی میزان استخراج ترکیبات فنلی از برگ های اکالیپتوس به کمک مایکروویو بررسی گردید و از روش شبکه عصبی برای پیش بینی روند استخراج استفاده شد. نتایج نشان داد که غلظت ۵۰ درصد اتانول بیشترین میزان استخراج را داشت. شبکه مورد استفاده برای شبیه سازی، شبکه پس انتشار پیشخور با الگوریتم یادگیری لونبرگ-مارکوات برای آموزش الگوها استفاده شد. متغیرهای شبکه عصبی مصنوعی، تعداد نرون در لایه پنهان (۴ تا ۳۰) و نوع تابع محرک (تانژانت هایپربولیک و سیگموئید) در لایه پنهان بود. برای توسعه مدل های شبکه عصبی مصنوعی، بردار ورودی شامل غلظت اتانول و زمان استخراج و بردار خروجی میزان ترکیبات فنلی برگ های اکالیپتوس در نظر گرفته شد. نتایج نشان داد که شبکه پس انتشار پیشخور با تابع محرک تانژانت هایپربولیک و با ۱۶ نرون در لایه پنهان قادر است که میزان ترکیبات فنلی را با ضریب تعیین ۰٫۹۶۳۲ و میانگین مربعات خطای برابر با ۰٫۰۰۰۶۹ در مقایسه با سایر شبکه ها پیش بینی کند.