۵۸/۰

۹۹/۰

۴۷/۱

۰۰۰۱/۰>

۹۹/۰

(۰۰۰۸/۰)۴۸۶۶/۱۲۹

(۰۰۲۴/۰)۶۷۶۰/۵۴

(۱۱۲۰/۰)۱۴۵۶/۵۱۱

۴۰SFC

۲۵/۰

۹۹/۰

۷۹/۰

۰۰۰۱/۰>

۹۹/۰

(۰۰۰۱/۰)۳۹۱۳/۱۱۷

(۰۰۴۳/۰)۶۵۶۴/۳۱

(۰۰۰۰/۱)۳۱۳۷/۳۹۲

۵۰SFC

۰۱/۰

۰۰/۱

۰۳/۰

۰۰۰۱/۰>

۹۹/۰

(۰۰۰۰/۱)۷۹۲۴/۹۰

(۰۰۰۰/۱)۵۶۹۳/۱

(۰۰۰۰/۱)۷۵۵۴/۱۲

۵۵SFC

*. مخلوط­هایی از FHPO و SBO
اختصارها: SFA، اسیدهای چرب اشباع؛ SFC، محتوای چربی جامد؛ SMP، نقطه ذوب لغزشی، P، سطح اطمینان مدل؛ SE، خطای استاندارد؛ r، ضریب همبستگی بین داده ­های آزمایشی و پیش بینی شده؛ MAE، میانگین خطای مطلق. اعداد داخل پرانتز سطح معنی داری (P) هر یک از ضرایب مدل گمپرتز را نشان می­دهد.
دروآن و دانتین (۲۰۰۶)، SFC مخلوط­های دوتایی از نمونه­های چربی را به صورت تابعی از محتوای مواد پایه مدل کردند. در مدل­سازی بر اساس مواد پایه ممکن است به علت تغییرپذیری مواد پایه، مدل رضایت بخشی حاصل نشود. اُسپینا-ای و همکاران (۲۰۱۰) مدل درجه دوم را برای SFC چربی پشت خوک با بکارگیری استئاریک اسید و دما بعنوان متغیرهای مستقل پیشنهاد کردند. مدل­های درجه دوم در مدل سازی منحنی­های S شکل مناسب نبودند. فرمانی (۱۳۹۳) علاوه بر ارائه مدل پیش بینی کننده SFC به صورت تابعی از دما، توانست مدل­های SFC مخلوط­های دوتایی اینتراستریفیه شیمیایی سویای کاملاً هیدروژنه و روغن کانولا را به صورت تابعی از SFA (SFAf(SFA)) توصیف کند. مدل­های SFAf(SFA) دارای R2 بزرگتر از ۹۷/۰ و همچنین میانگین خطای مطلق کمتر از %۱۸/۱ بودند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۲-۲-۳٫ مدل سازی SFC به صورت تابعی از دما و SFA (SFCf(T,SFA)
ضرایب ارائه شده مدل گمپرتز در جدول­های (۴-۶) و (۴-۹) ممکن است SFC یک مخلوط چربی را به صورت تابعی از دما یا محتوای SFA پیش بینی کنند، به هر حال هیچ کدام از مدل­ها تأثیر ترکیبی دما و SFA را بر روی SFC بیان نمی­کنند. به منظور اینکه مدل پیشنهادی هر دو متغیر را شامل شود، ضرایب مدل گمپرتز یک متغیره باید به صورت تابعی از متغیر دیگر بیان شود. سپس با جایگزین کردن ضرایب در تابع مربوطه، مدل گمپرتز دو متغیره بدست خواهد آمد. بر این اساس همبستگی بین ضرایب مدل­هایSFCf(T) و محتوای SFA یا ضرایب مدل­های SFCf(SFA) و دما ارزیابی شد. شکل (۴-۸)، نمودار پراکنش ضرایب مدل­های SFCf(T) را در برابر محتوای SFA مربوطه و همچنین ضرایب مدل­های SFCf(SFA) را در برابر دما نشان می­دهد.
همبستگی­های خطی خوبی با R2 بالا، بین ضرایب a و c مدل­های SFCf(T) و محتوای SFA یافت شد (شکل ۴-۸). همانطوری که در شکل (۴-۸) مشاهده می­ شود، رگرسیون خطی ضرایب مدل­های SFCf(SFA) و دما دارای مقادیر بالای R2 نبودند. این بدان معنی است که ضرایب مدل­های SFCf(SFA) نتوانستند توابع خطی خوبی از دما باشند. اگر چه داده ­ها ممکن است با بهره گرفتن از معادلات پیچیده­تر با یکدیگر ارتباط داده شوند، اما کاربرد رگرسیون­های پیچیده ممکن است به مدل نهایی خیلی پیچیده­ای منتهی شود. همبستگی بین ضرایب a و c مدل­هایSFCf(T) و محتوای SFA، به شکل ریاضی به صورت زیر می­باشد:
ɑ = β۰ + β۱×SFA معادله ۴-۶)
c = β’۰ + β’۱×SFA معادله ۴-۷)
β۰ و β’۰، عرض از مبدأ و β۱ و β’۱ شیب خطوط رگرسیون می­باشند.
با جایگزین کردن ضرایب a و c (معادله (۴-۶) و (۴-۷))، مدل نهایی بیان کننده­ SFC به صورت تابعی از هر دو متغیر دما و SFA، به صورت زیر خواهد بود:
معادله ۴-۸)
ضرایب مدل بوسیله آنالیزهای رگرسیون غیرخطی با بهره گرفتن از SigmaPlot بدست آمدند (جداول (۴-۶) و (۴-۹)) و به صورت معادله (۴-۹) ارائه شدند.
معادله ۴-۹)
تمام ضرایب از نظر آماری در p<0.01 معنی دار و R2 و میانگین خطای مطلق مدل به ترتیب برابر ۹۸/۰ و%۴۲/۰ بودند (جدول (۴-۱۰)). شاخص­ های نیکوئی برازش گزارش شده مؤید قدرت بالای مدل در پیش بینی SFC چربی­های اینتراستریفیه به صورت تابعی از متغیرهای مستقل دما و SFA می­باشند. نیکویی برازش مدل با مقایسه مقادیر بدست آمده از آزمایش و مقادیر حاصل از پیش بینی، در شکل (۴-۹) نیز نشان داده شده است. بطور کلی می­توان گفت مدل توصیفی دو متغیره ارائه شده، می ­تواند SFC مخلوط چربی اینتراستریفیه را به صورت تابعی از SFA و دما به صورت مقدار (آزمایشی ± %۴۲/۰) پیش بینی کند.
شکل ۴-۸: همبستگی بین ضرایب مدل­هایSFCf(T) و محتوای SFA یا ضرایب مدل­های SFCf(SFA) و دما. خطوط، رگرسیون خطی را نشان می­دهد.
جدول ۴-۱۰: ضرایب مدل گمپرتز SFCf(T,SFA) و ارزیابی نیکوئی برازش

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...