Usporedno ispitivanje metode odzivnih površina, umjetne neuralne mreže i genetskog algoritma radi optimiranja hidratacije zrna soje

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 zr...

Full description

Saved in:
Bibliographic Details
Published in:Food Technology and Biotechnology 2010-03, Vol.48 (1), p.11
Main Authors: Gulati, Tushar, Chakrabarti, Mainak, Sing, Anshu, Duvuuri, Muralidhar, Banerjee, Rintu
Format: Article
Language:hrv ; eng
Subjects:
artificial neural network (ANN)
genetic algorithms (GA)
genetski algoritam
metoda odzivnih površina
namakanje zrna soje
response surface methodology (RSM)
soybean soaking
umjetna neuralna mreža
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary: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).
ISSN:1330-9862
1334-2606