来源：期刊VIP网 时间：
作者：刘国祎;郭建章;陈星;王威强;
单位：青岛科技大学机电工程学院;山东大学机械工程学院;
摘要：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。
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
