Original scientific paper
Usporedno ispitivanje metode odzivnih površina, umjetne neuralne mreže i genetskog algoritma radi optimiranja hidratacije zrna soje
Tushar Gulati
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Mainak Chakrabarti
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Anshu Sing
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Anshu Sing
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Muralidhar Duvuuri
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Rintu Banerjee
; Microbial Biotechnology and Downstream Processing Laboratory, Agricultural and Food Engineering Department, Indian Institute of Technology, IN-721302 Kharagpur, India
Abstract
U radu je modelirana i optimirana hidratacija zrna radi ubrzavanja prerade soje, pri čemu se pokušao ostvariti maksimalni prinos mase, usvajanje vode i retencija proteina. Metodom odzivnih površina te umjetnom neuralnom mrežom i genetskim algoritmom optimirane su sljedeće varijable procesa: omjer zrna soje i vode (optimalni omjer od 1:2,48 i 1:1,19), vrijeme (2 odnosno 8 sati) i temperatura (40 i 45, 1 °C). Tako je pronađena bolja alternativa klasičnom postupku namakanja zrna soje koji se učestalo koristi u industriji, a zahtijeva veliki utrošak vremena. Na osnovi rezultata razvijen je vrlo precizan model neuralne mreže (koeficijent regresije od 0,9443). Genetskim su algoritmom predviđeni optimalni uvjeti prerade, a učinkovitost je modela umjetne neuralne mreže i genetskog algoritma potvrđena ispitivanjem (koeficijent determinacije R2=0,938 i srednja kvadratna pogreška MSE=5,9299). Metodom odzivnih površina također je razvijen točan model procjene prinosa mase, usvajanja vode i retencije proteina (R2=0,8890–0,9297 i MSE=0,80–4,94).
Keywords
metoda odzivnih površina; umjetna neuralna mreža; genetski algoritam; namakanje zrna soje
Hrčak ID:
48430
URI
Publication date:
5.3.2010.
Visits: 1.950 *