食品工业科技

作者：刘国祎, 郭建章, 陈星, 王威强

关键词：亚临界CO₂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试验设计，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模型（R2=0.9950）。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%。综上，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。

来源：2024年第10期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2024年第10期