基于响应面和神经网络模型优化鱼油脱色工艺

为优化鱼油的脱色工艺,首先通过单因素试验确定脱色效果最佳的固体吸附剂,其次探究脱色温度、固体吸附剂添加量、脱色时间对鱼油脱色率的影响.在此基础上,采用Box-Behnken(BB)试验设计对鱼油脱色条件进行优化,并对BB试验结果进行响应面法(RSM)和人工神经网络(ANN)分析.结果表明:活性白土的脱色效果最佳,随着脱色温度、固体吸附剂添加量、脱色时间的增加,脱色率呈先上升后下降的趋势;RSM和ANN模型的相关系数r、决定系数R2、均方根误差RMSE、均方差MSE值分别为0.9647,0.9307,1.1000,1.2100和0.9927,0.9855,0.4952,0.2452.相较于与RSM模型,ANN模型拟合程度更高,实测值与预测值之间误差更小,更适合作为鱼油脱色率的预测模型.本试验选用RSM和ANN模型共同优化鱼油脱色工艺.通过RSM模型选取的最佳脱色条件是:脱色温度93.79°C,固体吸附剂添加量4.80％,脱色时间9.69 min.将上述条件带入ANN模型,获得鱼油的最大脱色率为99.53％.说明RSM-ANN模型具有较强的准确性和适用性.