HYBRID ARTIFICIAL NEURAL NETWORK APPLIEDTO MODELING SCFE OF BASIL AND ROSEMARY OILS

This work presents the results of a Hybrid Neural Network (HNN) technique as applied to modeling SCFE curves obtained from two Brazilian vegetable matrices. A series Hybrid Neural Network was employed to estimate the parameters of the phenomenological model. A small set of SCFE data of each vegetable was used to generate an extended data set, sufficient to train the network. Afterwards, other sets of experimental data, not used in the network training, were used to validate the present approach. The series HNN correlates well the experimental data and it is shown that the predictions accomplished with this technique may be promising for SCFE purposes. Neste trabalho são apresentados os resultados obtidos na modelagem da extração supercrítica de óleo essencial de alfavaca e alecrim usando uma rede híbrida neuronal. Utilizou-se uma rede híbrida na configuração em série para estimar os parâmetros do modelo fenomenológico empregado para descrever o processo de extração, o modelo de Sovová. Um pequeno conjunto de dados experimentais, para cada matriz vegetal, foi usado para gerar um conjunto estendido de dados, suficiente para a etapa de treinamento da rede. A validação da presente proposta foi efetuada através da comparação entre os resultados preditos e aqueles obtidos experimentalmente que não constaram do processo de treinamento da rede. Demonstra-se que a rede híbrida neuronal correlaciona e prediz satisfatoriamente os dados experimentais, mostrando-se portanto promissora no campo da modelagem do processo de extração supercrítica