استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن استخراج ترکیبات فنلی از برگ های درخت اکالیپتوس (.Eucalyptus camaldulensis Dehn) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه های عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : فیزیولوژی محیطی گیاهی (پژوهش های اکوفیزیولوژی گیاهی ایران)

تعداد صفحات :۱۴

روش های استخراج جدید همچون استخراج به کمک مایکروویو، روش های سریع و موثر برای استخراج ترکیب های موثره از بافت های گیاهی هستند. با انتخاب صحیح و مناسب روش استخراج می توان حداکثر غلظت ترکیب های فنلی را با خلوص بالا از ماده مورد نظر در مقایسه با روش های سنتی استخراج کرد. در این تحقیق تاثیر غلظت اتانول (۱۰، ۲۰، ۳۰، ۴۰، ۵۰، ۶۰، ۷۰، ۸۰، ۹۰ و ۱۰۰ درصد) و زمان استخراج (۰.۵، ۱، ۲، ۵، ۷، ۹، ۱۱، ۱۳ و ۱۵ دقیقه) بر روی میزان استخراج ترکیبات فنلی از برگ های اکالیپتوس به کمک مایکروویو بررسی گردید و از روش شبکه عصبی برای پیش بینی روند استخراج استفاده شد. نتایج نشان داد که غلظت ۵۰ درصد اتانول بیشترین میزان استخراج را داشت. شبکه مورد استفاده برای شبیه سازی، شبکه پس انتشار پیشخور با الگوریتم یادگیری لونبرگ-مارکوات برای آموزش الگوها استفاده شد. متغیرهای شبکه عصبی مصنوعی، تعداد نرون در لایه پنهان (۴ تا ۳۰) و نوع تابع محرک (تانژانت هایپربولیک و سیگموئید) در لایه پنهان بود. برای توسعه مدل های شبکه عصبی مصنوعی، بردار ورودی شامل غلظت اتانول و زمان استخراج و بردار خروجی میزان ترکیبات فنلی برگ های اکالیپتوس در نظر گرفته شد. نتایج نشان داد که شبکه پس انتشار پیشخور با تابع محرک تانژانت هایپربولیک و با ۱۶ نرون در لایه پنهان قادر است که میزان ترکیبات فنلی را با ضریب تعیین ۰.۹۶۳۲ و میانگین مربعات خطای برابر با ۰.۰۰۰۶۹ در مقایسه با سایر شبکه ها پیش بینی کند.

کلید واژه: اکالیپتوس، تابع محرک، ترکیبات فنلی، شبکه های عصبی مصنوعی، مایکروویو