CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART)

عنوان مقاله: مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART)
شناسه ملی مقاله: JR_FSCT-20-136_004
منتشر شده در در سال 1402
مشخصات نویسندگان مقاله:

hoda fahim - PhD student, Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University, Sari, Mazandaran, Iran
Ali Motamedzadegan - professor, department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University
Reza Farahmandfara - Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University, Sari, Mazandaran
Nader Ghaffari Khaligh - Nanotechnology and Catalysis Research Center, Institute for Advanced Studies (IAS), University of Malaya, Kuala Lumpur, Malaysia

خلاصه مقاله:
پایداری کورکومین و راندمان انکپسولاسیون آن در امولسیون از جمله مهمترین فاکتورهای تعیین کننده زیست دسترس پذیری و جذب آن در بدن است. به این منظور در پژوهش حاضر پارامترهای موثر بر این دو فاکتور شامل زمان، pH و غلظت سلولز به عنوان متغیرهای ورودی و پایداری کورکومین و راندمان انکپسولاسیون به عنوان متغیر پاسخ در شبکه عصبی مصنوعی و الگوریتم درخت تصمیم استفاده شد. در این راستا نانوکریستال سلولز حاصل از هیدرولیز اسیدی برای تهیه پیکرینگ امولسیون کورکومین با نسبت روغن:آب ۹۵:۵ و غلظت سلولز ۱، ۵/۱، ۲، ۵/۲، و ۳ درصد وزنی/حجمی استفاده شد و راندمان انکپسولاسیون روغن حاوی کورکومین و پایداری آن در طول ۸ روز اندازه گیری شد. نتایج نشان داد که با افزایش  غلظت سلولز راندمان انکپسولاسیون به صورت معنی داری افزایش یافته و همچنین راندمان انکپسولاسیون در pH ۷ بالاتر از pH ۲ بود (۰۵/۰p≤). کورکومین موجود در امولسیون های تهیه شده در pH ۲ در طول نگهداری به شدت کاهش یافت این درحالی بود که میزان کورکومین موجود در امولسیون های با pH ۷ در طول ۸ روز نگهداری به خوبی پایدار بود. مدل سازی برای دو پارامتر پایداری کورکومین و راندمان انکپسولاسیون با آماره های R۲ و RMSE% به ترتیب نشان داد ۱-۶- ۳ MLP (۰۰/۱۰RMSE%= و ۹۹/۰ R۲=) و ۱-۶-۲ RBF  (۹۹/۹RMSE%= و ۹۹/۰ R۲=) دارای دقت بالاتری است. در نهایت نتایج نشان داد استفاده از الگوریتم شبکه عصبی مصنوعی نسبت به درخت تصمیم برای پیشبینی این دو پارامتر عملکرد بهتری داشت.

کلمات کلیدی:
Artificial neural network (ANN), Cellulose, Classification and regression tree (CART), Curcumin, Decision tree, Pickering emulsion, پیکرینگ امولسیون, درخت تصمیم, سلولز, شبکه عصبی مصنوعی, کورکومین

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1825398/