文献

J-GLOBAL ID：202102231221255300   整理番号：21A0164479

応答曲面法と人工ニューラルネットワークを用いたTerminalia catappa L.カーネル油抽出のモデリングと最適化【JST・京大機械翻訳】

Modeling and optimization of Terminalia catappa L. kernel oil extraction using response surface methodology and artificial neural network

著者 (4件)： Agu Chinedu Matthew (Chemical Engineering Department, Nnamdi Azikiwe University, Awka, Nigeria) ,  Menkiti Matthew Chukwudi (Chemical Engineering Department, Nnamdi Azikiwe University, Awka, Nigeria) ,  Ekwe Ekwe Bassey (Mechanical Engineering Department, Gregory University, Uturu, Nigeria) ,  Agulanna Albert Chibuzor (Materials and Energy Technology Department, Projects Development Institute (PRODA), Emene Industrial Area, Enugu, Nigeria)
資料名： Artificial Intelligence in Agriculture  (Artificial Intelligence in Agriculture)
巻： 4  ページ： 1-11  発行年： 2020年 
JST資料番号： W5518A  ISSN： 2589-7217  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,応答曲面法(RSM)と人工ニューラルネットワーク(ANN)を用いて,Terminalia catappa L.カーネル油(TCKO)収量を最適化した。溶媒抽出法を抽出溶媒としてn-ヘキサンを用いて油抽出に用いた。最高油収率は55°C,150分および0.5mmで得られた。TCKOの物理化学的性質を標準法を用いて測定した。ガスクロマトグラフィー(GC)分析とFourier変換赤外(FTIR)を用いて,TCKO中の脂肪酸組成と一般的な官能基を決定した。温度,粒径および抽出時間の最適条件において,RSM予測油収率は62.92%であり,それは60.34%と確認されたが,ANN予測収率は60.39%であり,それは60.40%であった。TCKOの物理化学的キャラクタリゼーションの結果は,誘電強度(DS),粘度,フラッシュおよび流動点値がそれぞれ30.61KV,20.29mm2s-1,260°Cおよび3°Cであることを示した。TCKOの物理化学的キャラクタリゼーションとFTIRの結果は,特に変圧器流体として,その潜在的工業的応用を示した。脂肪酸組成の結果は,油が非常に不飽和であることを示した。一方,抽出前後のTerminalia catappa L.カーネル(TCK)試料のXRDの結果は,溶媒の損傷効果により,それらのピークと対応する強度に差を示した。最後に,得られた最適化結果は,ANNがRSMよりも,そのより高いR2と低いRMS値のため,より良い,より効果的なツールであることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Fourier変換 ,  X線回折 ,  *最適化 ,  赤外線 ,  粘度 ,  *ニューラルネットワーク ,  ガスクロマトグラフィー ,  物理化学 ,  脂肪酸組成 ,  抽剤 ,  フラッシュ蒸発 ,  FTIR分光法 ,  *応答曲面法
準シソーラス用語： 官能基 ,  抽出時間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 応答曲面法 ,  人工ニューラルネットワーク ,  最適化 ,  Terminalia catappa L.カーネル

分類 (2件)： 食用油脂,マーガリン  (FJ09010C) ,  抽出  (XD02030B)

タイトルに関連する用語 (6件)： 応答曲面法 ,  人工ニューラルネットワーク ,  Terminalia ,  カーネル ,  モデリング ,  最適化