Por favor, use este identificador para citar o enlazar este ítem: http://repositoriousco.co:8080/jspui/handle/123456789/5718
Título : Análisis termodinámico y modelización matemática de las isotermas de sorción de agua del café especial (Coffee arabica L. cv. Bourbon rosado), obtenido por diferentes procesamientos postcosecha
Autor : Hurtado Cortés, Valeria
Palabras clave : Higroscopicidad
Hygroscopicity
Sitios activos de sorción
Active sorption sites
Optimización
Optimization
Robustez
Robustness
Máxima verosimilitud
Maximum likelihood
Fecha de publicación : 22-oct-2021
Editorial : Universidad Surcolombiana
Citación : TH IA 0369
Resumen : Las propiedades termodinámicas proporcionan información relevante sobre el estado del agua en las matrices alimentarias y la modelización matemática de las isotermas de sorción de agua representa una herramienta valiosa para predecir el contenido de humedad de equilibrio y optimizar las condiciones de almacenamiento para maximizar la estabilidad de los productos alimentarios. En ese sentido, los objetivos principales de este estudio fueron: i) determinar experimentalmente las isotermas de sorción del café especial en estado de café pergamino seco de la variedad Bourbon rosado procesado por los tratamientos postcosecha húmedo y semiseco a valores de aw entre 0.1-0.9 y a las T de 25, 35 y 45 °C utilizando el método de la isoterma de punto de rocío dinámico (DDI), ii) abordar la modelización generalizada de las isotermas de sorción para describir la influencia de la actividad del agua, la temperatura, el tratamiento postcosecha y la dirección de sorción sobre el contenido de humedad de equilibrio y iii) evaluar la capacidad higroscópica de los cafés especiales y la influencia del tratamiento postcosecha mediante el análisis termodinámico diferencial. Las propiedades termodinámicas diferenciales fueron calculadas a partir de los datos experimentales. Dichos datos fueron modelizados con 12 ecuaciones de sorción diferentes para representar la dependencia DEL CHE, aw y T y cuatro algoritmos de aprendizaje automático supervisado como los RT, RF, kNN y SVM. La SVM fue el predictor más adecuado para representar el comportamiento de sorción debido a su elevada capacidad de ajuste (MRE = 0.21%, AIC = –2725 y BIC = –2722 y R2adj = 99.8 %) que podría ser considerada como una valiosa herramienta para predecir y optimizar las condiciones de almacenamiento del café especial.
URI : http://repositoriousco.co:8080/jspui/handle/123456789/5718
Aparece en los programas: Ingeniería Agrícola

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
THIA 0369.pdf2.12 MBAdobe PDFVisualizar/Abrir


Los ítems del repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.