Table of Contents Table of Contents
Previous Page  132 / 632 Next Page
Information
Show Menu
Previous Page 132 / 632 Next Page
Page Background

целлюлозу (МЦ), карбоксиметилцеллюлозу (КМЦ), агар-агар, пектин, хи-

тозан и пищевые волокна, полученные из пшеничных отрубей. Для опреде­

ления оптимального состава композиции использовали рандомизированный

план, построенный на основе греко-латинских квадратов. Изучение действия

факторов вели на пяти уровнях. Крайние границы действующих факторов

представлены в табл. 1.

При реализации матрицы планирования определена связывающая спо­

собность пищевых композиций ионов никеля и ионов свинца. Обработку ре­

зультатов эксперимента вели в пакете программ Statistic v.5.7 и Statistic Neural

Networks v.4.0 (Статистика и Статистические нейронные сети). Обработка

Таблица 1

Уровень

Содержание компонентов в смеси, %

Пищевые

волокна

МЦ КМЦ Агар-

агар Пектин Хитозан

1

100

0

0

0

0

0

2

57,9

8,7

8,7

8,7

14,5

1,5

3

40,8

12,2

12,2

12,2

20,4

2,0

4

31,5

14,2

14,2

14,2

23,6

2,4

5

25,6

15,4

15,4

15,4

25,6

2,6

данных в пакете Statistic позволяет получить математические регрессион­

ные уравнения, адекватно описывающие процесс, однако эта программа не

имеет оптимизационного модуля для многофакторного эксперимента (3 и

более факторов), поэтому дальнейшую обработку полученных результатов

вели в пакете Statistic Neural Networks, позволяющем проанализировать вли­

яние каждого фактора, выявить межфакгорные взаимодействия и оптими­

зировать состав композиции. Обработка данных в этом пакете начинается с

создания архитектуры нейронной сети и ее обучение по разработанным ал­

горитмам, оценки качества работы сети по статистикам регрессии.

Следующий этап обработки экспериментальных данных заключается в

оценки действия каждого фактора, то есть каждого компонента пищевой

добавки, на сорбционную способность ионов свинца и никеля.

Окончательные результаты по оптимизации состава композиции были

получены при анализе межфакторных взаимодействий. Пакет Statistic Neural

Networks имеет средства для визуального анализа значений двух факторов и

оптимизации остальных технологических параметров. На рис.1 представ­

лено влияние содержания пищевых волокон и метилцеллюлозы на связыва­

ющую способность пищевой композиции ионов свинца.

130

Научная электронная библиотека ЦНСХБ