Revista Internacional de

Ingeniería Alimentos

Volumen 7, Número 6 2011 Artículo 3

Isotermas de adsorción para las rodajas de cebolla roja

Uso de modelos de redes empíricas y neuronales

Hamid Reza Gazor, Investigación en Ingeniería Agrícola

Instituto (AERI) de Agricultura Ministerio de Irán

Afshin Eyvani, Instituto de Investigación de Ingeniería Agrícola

(AERI) del Ministerio de Agricultura de Irán

Citación recomendada: Gazor, Hamid Reza y Eyvani, Afshin (2011) "Isotermas de adsorción para
las rodajas de cebolla roja “Usando modelos de redes empíricas y neuronales, "Revista
Internacional de Ingeniería de Alimentos:

Vol.7: Iss. 6, Artículo 3.

DOI: 10.2202 / 1556-3758.2592

Disponible en: http://www.bepress.com/ijfe/vol7/iss6/art3
© 2011 De Gruyter. Todos los derechos reservados.

Isotermas de adsorción para las rodajas de cebolla roja

Uso de modelos de redes empíricas y neuronales

Hamid Reza Gazor y Afshin Eyvani

Abstracto
Las isotermas de sorción de humedad de rodajas de cebolla roja se determinaron a 30, 40, 50 y 60
° C, utilizando el método estático gravimétrico estándar en un rango de humedad relativa de 0.11
a 0.83.
Las curvas de sorción experimentales se ajustaron mediante siete ecuaciones empíricas:
Henderson modificado, Chung-Pfost modificado, Halsey modificado, Oswin modificado, Smith
modificado, BET modificado y CHARLA. También tres tipos de modelos de redes neuronales
artificiales: perceptrón lineal multicapa y radial, la función de base fue probada y desarrollada para
predecir el contenido de humedad en equilibrio de rodajas de cebolla y los modelos seleccionados
fueron entrenados mediante el uso de algoritmos relacionados. El modelo modificado de Oswin
era encontrado aceptable para predecir isotermas de humedad de adsorción y ajustarse a los
datos experimentales, basado en el coeficiente de determinación (R2= 0.991), error medio de
porcentaje relativo (MRE = 15.019), y error estándar de estimación (SEE = 1.371). Además, el
modelo de perceptrón multicapa con cuatro
capas (2: 17: 14: 1) fue seleccionada como la mejor red neuronal artificial para la estimación de
rodajas de cebolla ' equilibrio de contenido de humedad considerando R2= 0.993 y buen
rendimiento. La red isostérica el calor de adsorción de humedad se determinó aplicando la
ecuación de Clausius-Clapeyron al isotermas de sorción a diferentes temperaturas. El calor
isostérico neto de adsorción de rodajas de cebolla roja, varió entre 1,46 y 4,96 kJ / mol en
contenido de humedad que varía entre 2% y 52% (d.b.)

PALABRAS CLAVE: red neuronal artificial, calor isostérico de sorción, cebolla, isoterma de sorción
 Gazor y Eyvani: isotermas para las rodajas de cebolla roja

INTRODUCCIÓN
Los efectos beneficiosos para la salud de los flavonoides antioxidantes son cada vez más
interesantes para fabricantes de alimentos. Las principales fuentes de flavonoides en la dieta en
muchos países son té, cebollas y manzanas (Hertog et al., 1992). Estos flavonoides tienen un
efecto antioxidante (Bros et al., 1990), y previenen o retrasan enfermedades tales como cáncer y
enfermedad cardiovascular (Block, 1992; Renaud y de Lorgeril, 1992).
La cebolla deshidratada tiene un gran valor comercial debido a sus propiedades culinarias y
medicinales, propiedades en nutracéuticos. Las isotermas de sorción de humedad son útiles
herramientas termodinámicas para determinar las interacciones del agua y las sustancias
alimentarias, y proporcionar información para evaluar las operaciones de procesamiento de
alimentos, como el secado, mezcla, empaque y almacenamiento. Las isotermas de sorción
también se pueden usar para investigar características estructurales de un producto alimenticio,
como superficie específica, volumen de poro, distribución del tamaño de poro y cristalinidad. Tales
datos pueden ser utilizados para seleccionar condiciones de almacenamiento apropiadas, y
sistemas de empaque que optimizan o maximizan retención de aroma, color, textura, nutrientes y
estabilidad biológica (Labuza et al., 1985; Okos et al., 1992; Rizvi, 1995). Las isotermas de los
productos agrícolas son generalmente curvas de forma sigmoidea que son incluso difíciles de
dibujar y manipular (Bala, 1997). Muchos investigadores tienen desarrollado ecuaciones
matemáticas, teóricas, semi-teóricas y empíricas para describir las isotermas de sorción de los
materiales alimenticios. Una cantidad de modelos han sido sugerido previamente para la
dependencia entre la humedad de equilibrio contenido (EMC) y la humedad relativa (HR) o la
actividad de agua del aire (Sinija y Mishra, 2008; Jamali et al., 2006; Vullioud et al., 2009; Mehta y
Singh, 2006; Janjai et al., 2006; Ghodake et al., 2007; Chen, 2000). Menkov (2000) informó que el
modelo modificado de Oswin era el más adecuado para describir relaciones entre el contenido de
humedad de equilibrio, la humedad relativa y temperatura. Soysal y Oztekin (2001) evaluaron
siete humedades de equilibrio, ecuaciones de contenido por su capacidad para ajustar los datos de
algunos medicamentos y aromáticas plantas. Descubrieron que la Halsey modificada y las
ecuaciones de Oswin modificadas fueron las ecuaciones más versátiles para plantas medicinales y
aromáticas; La ecuación modificada de Henderson es buena para el hinojo y la canela. Como ya se
mencionó, varios modelos matemáticos complejos han sido desarrollado para describir las curvas
de isotermas de sorción (Van den Berg, 1984 y Janjai et al., 2006) y las estimaciones de los
parámetros de estos modelos matemáticos requiere técnicas de optimización directa no lineal
usando computadora. Sin embargo, tal estimaciones de los parámetros limitan la precisión y la
forma correcta del isotermas y también la fiabilidad de las predicciones en todo el rango de la
humedad relativa. Por lo tanto, los investigadores están buscando una computadora alternativa
para describir las relaciones isotérmicas de los productos agrícolas para la precisión
Publicado por De Gruyter, 2011
Revista Internacional de Ingeniería de Alimentos, vol. 7 [2011], Iss. 6, Art. 3

y confiabilidad en predicciones. La red neuronal artificial es una alternativa para tales aplicaciones.
La red neuronal artificial (ANN) es un modelo general no lineal basado en el modelo simplificado
de la función del cerebro humano y esta técnica es particularmente útil cuando un modelo
fenomenológico de un proceso no está disponible o estaría demasiado lejos complejo. Se han
reportado varios estudios ANN sobre el modelado del secado (Bala et al., 2005; Movagharnejad y
Nikzad, 2007; Poonnoy et al., 2007; Lertworasirikul y Tipsuwan, 2008) y el procesamiento térmico
(Sablani et al., 1995). La técnica ANN también se ha aplicado para modelar la sorción de agua
isotermas de té negro, (Panchariya et al., 2002), longan (Janjai et al., 2009), pasas de uva
(Amiri Chijan y Esna-Ashari, 2010) y almidón de maíz (Peng et al., 2007). En estos investiga que los
modelos ANN fueron comparables o mejores que otros modelos matemáticos. Aunque el
modelado matemático de la isoterma de sorción de los investigadores han informado sobre la
cebolla (rebanadas, jirones y podwer) (Adam et al.., 2000; Viswanathan et al., 2003; Debnath et al.,
2002), ningún estudio informó sobre la modelación de redes neuronales artificiales (ANN) de la
isoterma de adsorción de rodajas de cebolla.
El objetivo de esta investigación fue desarrollar un modelo de cebolla roja seca
corta isotermas de adsorción de agua usando modelos matemáticos y una ANN como
herramienta en el límite térmico de 30-60 ° C y 0.11-0.83 de humedad relativa. El modelo
seleccionado debería ser capaz de predecir el contenido de humedad de equilibrio de la variedad
de datos dada la humedad relativa, temperatura. El rendimiento de la
El modelo ANN se comparó entonces con las ecuaciones empíricas y semiempíricas. Además, el
calor isostérico neto de la adsorción de humedad del experimento los datos fueron calculados.

MATERIALES Y MÉTODOS
Procedimiento experimental
Las cebollas rojas completamente maduras compradas en la tienda local se usaron en
experimentos. Las cebollas para los experimentos son peladas y cortadas a un espesor de 2 a
4 mm, manualmente. Las rodajas de cebolla se secaron en condiciones ambientales (23-25 ºC
y humedad relativa 30-35%) a menos de 5 (% w.b) durante 10 días. La sorción de método utilizado
fue la técnica gravimétrica estática, que se basa en el uso de soluciones saturadas de sal para
mantener una humedad relativa fija cuando el equilibrio es alcanzado. La actividad del agua de la
comida es idéntica a la humedad relativa de la atmósfera en condiciones de equilibrio y la
transferencia de masa entre producto y la atmósfera ambiente está asegurada por la difusión
natural del agua vapor. La humedad relativa del equilibrio puede estar presente como porcentaje
de la actividad del agua (Rahman, 1995). Se prepararon ocho soluciones de sal saturadas (Tabla 1)
http://www.bepress.com/ijfe/vol7/iss6/art3
DOI: 10.2202 / 1556-3758.2592
Gazor y Eyvani: isotermas para las rodajas de cebolla roja

correspondiente a una amplia gama de actividades acuáticas que van desde 0.11 hasta 0.83
(Greenspan, 1977; Labuza et al., 1985; Adam et al., 2000).
Inscripción en universidades locales, 2005

Soluciones salinas Temperatura (ºC)

30 40 50 60

LiCl (cloruro de litio) 0.112 0.113 0.111 0.110

CHC3COOK(acetato de potasio) 0,204 0,216 0,192 0,180

MgCl2 6H2O(Cloruro de Magnesio) 0.316 0.324 0.305 0.293

K2CO3 (carbonato de potasio) 0,433 0,431 0,427 0.421

Mg (NO3) 2 (nitrato de magnesio) 0,484 0,514 0,454 0,473

NaNO2 (nitrito de sodio) 0,648 0,609 0,588 0,565

NaCl (Cloruro de sodio) 0.747 0.751 0.743 0.745

KaCl (cloruro de potasio) 0,823 0,836 0,812 0,803

* (Greenspan, 1977; Labuza et al., 1985)

Se usaron ocho botellas de vidrio selladas (1 litro de capacidad por cada botella) en esta
investigación. Cada botella fue provista con un porta muestras que fue colgado ahí. El porta
muestras se mantuvo por encima de soluciones saturadas de sal para evitar contacto de la
solución salina con ella. Para cada uno de estos experimentos 2-3 g secos de rodajas de cebolla
fueron tomadas en las respectivas tazas de pesaje. Todas estas ocho botellas se colocaron en un
horno atmosférico con precisión 1ºC y ventilador de circulación. La pérdida en pesos de todas
estas muestras en cada botella se controló diariamente después de una semana usando una
balanza de laboratorio (AND, GF-Series 200¯0.001 g). El EMC era reconocido cuando tres
mediciones de peso consecutivas mostraron una diferencia de menos de 0.005 g. Esto tomó
aproximadamente 10-15 días, dependiendo de la naturaleza de las muestras y la temperatura
dentro del horno. Se mantuvieron tres réplicas para cada muestra y los valores promedio de EMC
han sido reportados. El final los contenidos de humedad de las muestras se determinaron
mediante el método de horno convencional (AOAC, 1990). Los experimentos se llevaron a cabo a
temperaturas de 30, 40, 50 y
60 ° C.

Se usaron varios modelos matemáticos para describir la desorción y

Isotermas de adsorción de alimentos y materiales vegetales en la literatura (Sinija y

Mishra, 2008; Jamali et al., 2006; Vullioud et al., 2009; Mehta y Singh, 2006; Janjai et al., 2006;
Ghodake et al., 2007; Chen, 2000). Siete modelos de isotermas enumerados en la Tabla 2 fueron
probados para adaptarse a las isotermas de sorción de la cebolla. Estos modelos fueron
seleccionados sobre la base de su efectividad para describir las isotermas de varios alimentos y
materiales vegetales y simplicidad de cálculo. Los parámetros de los modelos se determinaron por
estimación de mínimos cuadrados y STATISTICA software (StatSoft, Inc, Tulsa, Oklahoma, EE. UU.)
(Versión 6.0, 2001).

Tabla 2 Modelos de isotermas de sorción matemática

En esta tabla RH es la humedad relativa (decimal), Me es el equilibrio contenido de humedad o

EMC (% d.b) t es la temperatura (ºC) y A, B, C son coeficientes de modelos. Tenga en cuenta que el
coeficiente A en el modelo GAB se define como Mo (contenido de humedad monocapa (% d.b)).
También los parámetros B y C en GAB , modelo podría correlacionarse con la temperatura
utilizando el siguiente tipo de Arrehenius ecuaciones (Jamali et al., 2006):

http://www.bepress.com/ijfe/vol7/iss6/art3
DOI: 10.2202 / 1556-3758.2592
En estas ecuaciones h1 la diferencia de entalpía entre monocapa y Adsorción multicapa (J mol-1),
h2 la diferencia entre el calor de condensación y calor de sorción de la sorción multicapa (J mol-1),
T la temperatura (K), C0 la constante, K0 la constante y R la constante de gas universal (8.314 J
mol-1 K).

Validación de modelos EMC

Los coeficientes de las ecuaciones individuales se determinaron por medio de estimación de

regresión estándar. Los diferentes modelos de EMC fueron evaluados para su idoneidad para
predecir la CEM de la muestra en función del coeficiente de determinación (R2), error de
estimación estándar (SEE) y relativo del error (MRE). Estos parámetros estadísticos se calcularon
empleando los siguientes ecuaciones (Chen, 2000; Jamali et al., 2006; Ghodake et al., 2007):

Donde, Mi, exp es el valor experimental de EMC; Mi, pre es el valor predicho por el modelo; N es la
cantidad de puntos de datos; n es el número de coeficientes en cada modelo; df es el modelo de
grados de libertad de regresión (N-n). Generalmente consideraron que los valores de MRE por
debajo del 10% indican un ajuste adecuado para la práctica propósitos (Liu-Ping et al., 2005).

Estructura de los modelos de redes neuronales

Para obtener la mejor predicción de rebanadas de cebolla EMC por la red, tres tipos de
Modelos ANN como perceptrón lineal multicapa (MLP) con 3 y 4 capas y función de base radial
(RBF) fueron evaluados y entrenados usando los datos. Optimum ANN fue seleccionado basado en
la minimización del error estimado,
simplicidad y buen rendimiento de la arquitectura ANN. Durante las redes de entrenamiento,
el error estimado de cada caso individual se calculó continuamente de la siguiente manera:

Donde, RMS el error cuadrático medio, Mi, exp es el valor experimental de EMC; Mi, pre es el valor
predicho por el modelo ANN y N es el número de individuos del caso. El modelo de red neuronal
artificial se programó en C ++. Durante la capacitación del trabajo en red seleccionado para evitar
la desviación del sistema, la transferencia de datos fue hecho, siempre que sea necesario.

Determinación del calor isostérico neto de sorción

El calor de sorción neto isostérico se puede determinar a partir de la adsorción de humedad, datos
usando la siguiente ecuación, que se deriva del Clausius-Clapeyron (Adam et al., 2000; Janjai et al.,
2006; Ghodake et al., 2007):

Donde K es una constante. El valor de Qst se calcula a partir de la pendiente de Ec. (7) usando el
software informático Statistica 6.0 y Microsoft Excel el no lineal se utilizó el método de
optimización para encontrar la mejor ecuación para la adsorción de cebollas isotermas y el calor
isostérico neto de sorción.

RESULTADOS Y DISCUSIÓN

Curvas de sorción y modelos matemáticos

Los resultados experimentales del contenido de humedad del equilibrio de la cebolla a la

temperatura a niveles y en ocho humilidades relativas se dan en la Tabla 3 y la Figura 1. Las curvas
isotermas tienen patrones similares y los valores de EMC disminuyen con el aumento en
temperatura en todos los niveles de humedad relativa. Resultados de otra reseeach en La
isoterma desorción de la cebolla y otros vegetales mostró que los valores EMC son mayores que la
isoterma de adsorción (Kiranoudis, et al., 1993).

Tabla 3:Isotermas de adsorción de rodajas de cebolla a temperaturas experimentales

Figura 1: Influencia de la temperatura en los cambios de la humedad de equilibrio de la cebolla

contenida.
Esto significa que la cebolla se vuelve menos higroscópica con el aumento de temperatura. La
disminución en el valor EMC con el aumento de la temperatura en
La humedad relativa constante del equilibrio se puede explicar por el hecho de que la cinética de
energía asociada con las moléculas de agua presentes en la cebolla aumenta con el aumento
en temperatura Esto, a su vez, resultó en la disminución de las fuerzas atractivas y el escape de
moléculas de agua. En consecuencia, esto conduce a una disminución en los valores de EMC con
aumento de la temperatura a una humedad relativa dada. Además, en constante la temperatura,
el valor EMC aumenta con el aumento de la humedad relativa. Varios investigadores han
informado de tendencias similares para las plantas y los materiales alimenticios (Adam et al.
al., 2000; Sinija y Mishra, 2008; Jamali et al., 2006; Vullioud et al., 2009; Mehta y Singh, 2006;
Janjai et al., 2006; Ghodake et al., 2007; Chen, 2000).
Las curvas de adsorción para cebolla se dibujan como contenido de humedad de equilibrio contra
la humedad relativa de equilibrio. Estas curvas se usan para estimar el coeficientes de diferentes
modelos de sorción considerados (Tabla 2). Los coeficientes de modelos, MRE y SEE se presentan
en la Tabla 4.
De esta tabla se desprende que el modelo modificado de Oswin da mejor ajuste a los datos
experimentales con mayor R2 y los valores más bajos de MRE y SEE que otros modelos de
isotermas de adsorción de cebolla para una amplia gama de humedad. Además, el modelo
modificado de Smith tiene un buen ajuste con los datos experimentales. Mientras, los modelos
modificados de Henderson y Halsey modificados se adaptaron bien para los jirones de cebolla,
respectivamente (Wiswanthan et al., 2003). Comparación entre valores observados e isotermas de
adsorción predichos por el modelo modificado de Oswin para cebolla en 30, 40, 50 y 60 ° C se
muestra en la Fig. 2.

Tabla 4 Coeficientes del modelo empírico y resultados estadísticos de la adsorción de cebolla en

ecuaciones de isotermas
Figura 2 Predicción de isotermas de adsorción de cebolla usando el modelo de Oswin modificado.

Redes neuronales artificiales

50, 30 y 20 por ciento de las muestras fueron elegidas para entrenamiento, verificación durante
entrenamiento y prueba de redes respectivamente. Después de probar varios modelos, 10
modelos basados en función de base radial (RBF) y perceptrón multicapa (MLP) con diferentes
combinaciones de capas y algoritmos de entrenamiento (tabla 5) fueron seleccionado.

Tabla 5 Modelos ANN adecuados para la predicción de EMC de cebolla

En la tabla, MLP significa perceptrón multicapa, RBF significa base radial función, BP50 significa
que la red fue entrenada con Back Propagation para 50 épocas, CG50b significa que el algoritmo
de gradiente conjugado se usó para 50 épocas y etc., KM significa algoritmo K-Means, KN - K-
vecino más cercano y PI - Algoritmo Pseudo-Invertido. Finalmente, el modelo de perceptrón
multicapa (MLP) con cuatro capas (2: 17: 14: 1) fueron seleccionadas como la mejor ANN entre
varias neuronales arquitecturas de redes de trabajo (Fig. 3). MLP se usó para la predicción de
sorción isotermas de longan, pasas y almidon de maiz por algunos investigadores (Janjai et al.,
2009; Amiri Chijan y Esna-Ashari, 2010; Peng et al., 2007).

capa de entrada, capa oculta 1, capa oculta 2, capa de salida

Figura 3 Estructura del modelo de MLP para la estimación de EMC de cebolla.

La función de activación para la primera y cuarta capas era lineal (Ecuación 8) y para la segunda y
tercera capas fue la función logística (ecuación 9). Pos potencial sináptico función (PSP) para todas
las capas era lineal.

El análisis de errores de esta red se muestra en la tabla 6, después de 50 épocas Volver

Propagación y 116 épocas. Gradiente de pendiente descendente.
Table 6 Error analyzing of MLP model
Parámetros Formación Muestras de Pruebas
Muestras verificación muestras

El error RMS significa -0.003 -0.117 -0.708

Error RMS S.D. 1.170 0.703 1.336

El error Abs RMS es 0.832 0.559 1.063

S.D. Ratio 0.085 0.047 0.111

R2 0.996 0.999 0.996

Modelo de Oswin

Modelo ANN
Figura 4 Regresión entre los valores observados y las isotermas de adsorción previstas mediante
modelos modificados de Oswin y MLP a temperaturas de experimento.

La comparación entre los valores predichos y observados de la cebolla y contenidos de humedad

de equilibrio a las temperaturas del experimento para el modificado. Los modelos Oswin y MLP-4L
se muestran en la Fig. 4 .. Aunque la diferencia entre estos modelos es insignificante, pero el
modelo MLP tiene una mejor regresión con datos. Previos investigadores confirmaron que modelo
ANN se puede utilizar para describir isotermas de sorción de otros materiales alimenticios. Se
concluye que el uso de ANN modelo es adecuado para la estimación de la adsorción de humedad
de rodajas de cebolla, como otros materiales alimenticios (Panchariya et al., 2002; Peng et al.,
2007; Janjai et al., 2009; Amiri Chijan y Esna-Ashari, 2010).

Calor de sorción

El calor isostérico de sorción se calculó a partir de la pendiente de la gráfica entre los valores de
ln(hr) y 1 / T. a un contenido de humedad constante. Calor isostérico de la adsorción de cebolla
para diferentes contenidos de humedad se determinó usando el modelo seleccionado que dio el
ajuste adecuado (R2 ≥ 99%) de humedad de equilibrio datos en el rango de temperaturas de 30 a
60 ºC, en combinación con Ec. (10)
Las variaciones de calor isostérico de adsorción para los diferentes contenidos de humedad
se muestran en la Fig. 5. Se observa que para el rango de temperaturas de 30 a 60 ºC y contenidos
de humedad de 2% a 52%. (d.b.), calor de adsorción isostérico neto varió de 1,46 a 4,96 kJ / mol.
Esto indica que a bajos contenidos de humedad, el calor de adsorción es más alto que a altos
contenidos de humedad (Kiranoudis et al.,1993).
El calor isostérico de la adsorción en la cebolla se puede expresar mediante un poder de la función
del contenido de humedad (Ghodake et al., 2007):

Figura 5 Calor isostérico de isotermas de adsorción para diferentes contenidos de humedad.

CONCLUSIÓN
En los modelos matemáticos, el modelo modificado de Oswin era mejor que otros para
predicción de adsorción de humedad de cebolla con R2= 99.1%, SEE = 1.371 y
MRE = 15.019. Además, un modelo ANN con dos entradas (temperatura y relativa
humedad), se encontró que una salida (contenido de humedad) y dos capas ocultas
capaz de predecir el contenido de humedad de equilibrio después de que fue entrenado
adecuadamente.
El modelo MLP tiene un poder predictivo de R2 = 99.3% y error promedio de RMS S.D = 1.07. Esto
es más alto que el poder predictivo del Oswin modificado, aunque la diferencia entre ellos era
insignificante. El calor isostérico de la curva de adsorción mostró una caída regular con un
contenido de humedad creciente y se encontró que es una función de potencia del contenido de
humedad para la adsorción.

REFERENCIAS

Adam, E., Mühlbaver, W., Esper, A., Wolf, W. y Spieb, W. (2000). Efecto de
temperatura sobre el agua, equilibrio de sorción de la cebolla (Allium cepa L).
Drying Technology, 18, 2117-2129.

Amiri Chijan R. y Esna Ashari, M. (2010). Comparación entre neural artificial

redes y modelos matemáticos para estimar la humedad de equilibrio
contenido en pasas de uva CIGR Journal, 12, 158-166.

AOAC (1990). Métodos oficiales de análisis (15ª ed.). Asociación de Oficiales

Químicos Analíticos, método No. 934.06. Washington DC. ESTADOS UNIDOS.

Bala, B.K. (1997). Secado y almacenamiento de granos de cereales. Páginas. 166-170. Oxford y
IBH Publishing Co. Pvt. Limitado.

Bala, B.K., Ashraf, M. A., Uddin, M. A. y Janjai, S. (2005). Experimental y

predicción de la red neuronal del rendimiento del secador de túnel solar para
secado de bulbos de jackfruit y de jackfruit. Revista del proceso alimentario
Ingeniería, 28, 552-566.

Block G. (1992). Arole por los antioxidantes en la reducción de los riesgos de cáncer. Nutrición
Revisión, 50, 207-213.

Bros W., Heller, W., Michel, C., y Saran, M. (1990). Flavonoides como antioxidantes:
determinación de eficiencias de eliminación de radicales. Métodos en Enzimología,
186, 343-355
Chen, Ch. (2000) Un método rápido para determinar la isoterma de sorción de los cacahuetes.
Revista de Investigación en Ingeniería Agrícola, 75, 401-408.

Debnath, S., Hemavathy, J. y Bhat, K.K. (2002). Estudios de sorción de humedad en

cebolla en polvo. Food Chemistry, 78, 479-482.

Ghodake, H.M., Goswami, T.K. Y Chakraverty, A. (2007). Sorción de humedad

isotermas, calor de sorción y vaporización de hojas marchitas, negras y
té verde. Revista de Ingeniería de Alimentos, 78, 827-835.

Greenspan, L. (1977). Puntos fijos de humedad de la solución acuosa saturada binaria

soluciones. Revista de investigación de la Oficina Nacional de Normas -
Sección A. Física y Química, 81, 89-96.

Hertog M. G. L., Hollman, P. C. H. y Katan, M. B. (1992). Contenido de potencialmente

flavonoides anticarcinogénicos de 28 verduras y 9 frutas comúnmente
consumido en los Países Bajos. Revista de Agricultura y Alimentación
Chemistry, 40, 2379-2383.

Jamali A., Kouhila, M., Ait Mohamed, L., Jaouhari, J.T., Idlimam, A. y
Abdenouri, N. (2006). Isotermas de sorción de Chenopodium ambrosioides
deja a tres temperaturas. Revista de Ingeniería de Alimentos, 72, 77-84.

Janjai, S., Bala, B.K., Tohsing, K., Mahayothee, B., Heawsungcharern, M.,
Muhlbauer, W. y Muller, J., (2006). Equilibrio contenido de humedad calor de
sorción de longan (Dimocarpus longan). Drying Technology, 24, 1691-1696.

Janjai S., Intawee, P., Tohsing, K. B., Mahayothee, Bala, B.K., Ashraf, M.A. y
Muller, J. (2009). Modelado de redes neuronales de isotermas de sorción de
longan (Dimocarpus longan Lour.). Computadoras y Electrónica en
Agricultura, 66, 209-214.

Kiranoudis, C.T., Maroulis, Z.B., Tsami, E. & Marinos-Kouris, D. (1993)

Equilibrio de contenido de humedad y calor de desorción de algunos vegetales.
Revista de Ingeniería de Alimentos. 20, 55-74.

Labuza, T.P., Kaanane, A. y Chen, Y. (1985). Efecto de la temperatura en el

isotermas de sorción de humedad y desplazamiento de actividad de agua de dos deshidratados
alimentos. Journal of Food Science, 50, 385-392.
Lertworasirikul, S., Tipsuwan, Y. (2008). Contenido de humedad y actividad de agua
predicción de galletas de yuca semielaboradas del proceso de secado con
Red neuronal artificial. Revista de Ingeniería de Alimentos, 84, 65-74.

Liu-Ping, F., Min, Z., Qian, T. y Gong-Nian, X. (2005). Isotermas de sorción de

Chips de zanahoria fritos al vacío. Drying Technology, 23, 1569-1579.

Mehta, S. y Singh, A. (2006). Isotermas de adsorción para chile rojo (Capsicum

annum L.). European Food Research and Technology, 223, 849-852.

Menkov, N. D. (2000). Isotermas de sorción de humedad de semillas de arveja a las cuatro

temperaturas Revista de Investigación en Ingeniería Agrícola, 76, 373-380.

Movagharnejad, K. y Nikzad, M. (2007). Modelado de secado de tomate usando

red artificial. Computadoras y Electrónica en la Agricultura, 59, 78-85.

Okos, M. R., Narsimhan, G., y Singh, R. K. (1992). Deshidratación de alimentos. En R.

Heldman, y D. B. Lund (Eds.), Manual de ingeniería de alimentos. Nuevo York: Marcel Dekker, Inc.

Panchariya, P.C., Popovic, D. y Sharma, A.L. (2002). Isoterma de deserción modelado de té negro
utilizando redes neuronales artificiales. Tecnología de secado, 20, 351-362

Peng, G., Chen, X., Wu, W. y Jiang, X. (2007). Modelado de sorción de agua
isoterma para el almidón de maíz. Revista de Ingeniería de Alimentos, 80, 562-567.

Poonnoy, P., Tansakul, A. y Chinnan, M. (2007). Red neuronal artificial

modelado para la predicción del contenido de humedad y temperatura en rodajas de tomate
someterse a secado al vacío de microondas. Journal of Food Science, 72, 42-47.

Rahman, M.D.S. (1995) Libro de manualidades de alimentos. Páginas. 2-11. Nueva York:
CRC Press.

Renaud, S. y de Lorgeril, M. (1992). Vino. alcohol, plaquetas y los franceses

paradoja para la enfermedad coronaria Lancet, 339, 1523-1526.

Rizvi, S. S. H. (1995). Propiedades termodinámicas de los alimentos en deshidratación. En m.

A. Rao, y S. S. H. Rizvi (Eds.), Propiedades de ingeniería de los alimentos. Páginas. 233.
Nueva York: Marcel Dekker, Inc.
Sablani, S.S., Ramaswamy, H.S. & Parasher, S.O.A. (1995) Enfoque de red
para aplicaciones de procesamiento térmico. Revista de procesamiento de alimentos y
Preservation, 19, 283-301.

Sinija V.R. & Mishra, H.N. (2008). Isotermas de sorción de humedad y calor de
sorción de polvo de té verde instantáneo (soluble) y gránulos de té verde.
Revista de Ingeniería de Alimentos, 86, 494-500.

Soysal, Y. y Oztekin, S. (2001). Comparación de la humedad de siete equilibrios

Ecuaciones de contenido para algunas plantas medicinales y aromáticas. Diario de
Agricultural Engineering Research, 78, 57-63.

Van den Berg, C. (1984). Descripción de la actividad del agua de los alimentos para la ingeniería
propósito mediante el modelo de sorción GAB. En: McKemenne, B.M.
(Ed.), Engineering and Food., Pp. 311-321. Nueva York: Elsevier Press
.
Viswanathan R., Jayas, D.S. y Hulasare, R.B. (2003). Isotermas de sorción de
Rodajas de tomate y trozos de cebolla. Biosystems Engineering, 86, 465-472.

Vullioud M., Márquez, C.A. & De Michelis, A. (2009). Equilibrium Sorption

Isotermas y calor isostérico de frutos de rosa mosqueta (Rosa Eglanteria).
International Journal of Food Properties, 9, 823-833.