响应面法和人工神经网络对亚临界CO_(2)萃取红花籽油的建模与优化

作者：刘国祎; 郭建章^*; 陈星; 王威强

来源：食品工业科技, 2023, 1-13.

DOI：10.13386/j.issn1002-0306.2023070185

• 亚临界CO_(2)萃取
• 红花籽油
• 响应面法
• 人工神经网络
• 遗传算法

本文旨在寻找有效建模方法以预测亚临界CO2萃取红花籽油的萃取率，优化其萃取工艺条件。以单因素实验为基础，采用Box-Behnken实验设计，研究了萃取压力、分离温度、萃取时间对红花籽油萃取率的影响，并采用响应面法(RSM)和人工神经网络(ANN)两种方法分别对同一实验进行建模分析，通过RSM数值优化、人工神经网络和遗传算法结合(ANN-GA)两种方法优化其工艺条件。结果表明，RSM与ANN两种模型均能较为精准的预测，但通过两种模型的决定系数(R2)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)值比较，得出ANN模型(R2=0.9966)的预测效果较优于RSM(R2=0.9950)模型。ANN-GA确定的最佳萃取条件及萃取率分别为：萃取压力19.04 MPa，分离温度55.50 ℃，萃取时间134.98 min，萃取率23.52%。研究表明，RSM和ANN两种方法均可用于亚临界CO2萃取带壳红花籽油的建模与优化，但ANN的预测准确度及拟合能力更为优秀。

• 单位
  机电工程学院; 山东大学; 青岛科技大学