人工神经网络优化油莎豆油亚临界萃取工艺

作     者：邓淑君 郝琴 万楚筠 郭婷婷 魏春磊 郑明明 DENG Shu-jun;HAO Qin;WAN Chu-yun;GUO Ting-ting;WEI Chun-lei;ZHENG Ming-ming

作者机构：中国农业科学院油料作物研究所湖北武汉430062 武汉轻工大学湖北武汉430023 油料油脂加工技术国家地方联合工程实验室湖北武汉430062 

出 版 物：《中国油料作物学报》 (Chinese Journal of Oil Crop Sciences)

年 卷 期：2024年第46卷第5期

页      面：1178-1186页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 08[工学] 083202[工学-粮食、油脂及植物蛋白工程] 

基　　金：中国农业科学院科技创新工程(CAAS-ASTIP-2021-OCRI) 支持企业技术创新发展项目(2021BLB151) 

主　　题：反向传播人工神经网络 粒子群优化算法 亚临界丁烷萃取 脱皮油莎豆 工艺优化 

摘      要：为优化亚临界丁烷萃取脱皮油莎豆油工艺,采用单因素试验确定因素水平,中心复合表面设计(CCF)安排寻优试验,在此基础上分别构建了响应面(RSM)和反向传播人工神经网络(BP-ANN)模型,运用粒子群算法(PSO)对BP-ANN模型进行优化,并对RSM和PSO-BP-ANN模型的寻优结果进行了比较。结果表明,RSM模型优化的萃取条件为:料液比(脱皮油莎豆∶丁烷)1∶10.36 g/mL、萃取时间45 min、萃取温度30℃、坯料厚度0.5 mm;PSOBP-ANN模型优化的萃取条件为:料液比1∶10.67 g/mL、萃取时间40.10 min、萃取温度34℃、轧坯厚度0.5 mm。在最佳条件下,RSM模型预测提取率为91.63%,验证值为94.27%,相对误差2.56%;PSO-BP-ANN模型预测值为95.58%,验证值为95.14%,相对误差0.46%。采用人工神经网络耦合粒子群算法(PSO-BP-ANN)优化油莎豆油亚临界萃取工艺,具有提取率高、相对误差小等优势。本研究可为亚临界萃取技术在油莎豆油高效制取中应用提供参考。