همایش آروین البرز ETSJR 2 2 2026 08 03 An analytical review of modeling and optimization methods in supercritical extraction processes: From classical models to modern hybrid approaches مروری تحلیلی بر روش های مدل سازی و بهینه سازی در فرآیندهای استخراج فوق بحرانی: از مدل های کلاسیک تا رویکردهای نوین هیبریدی 258 275 10.22051/jera.2021.31891.2698 FA لیلا مدرس و مدیر دپارتمان مهندسی صنایع شیمیایی، ایران، تهران، دانشگاه جامع علمی کاربردی، مرکز آموزش شرکت تولیدی و صنعتی آذین خودرو امیررضا دانشجوی کارشناسی مهندسی فناوری صنایع شیمیایی، ایران، تهران، دانشگاه جامع علمی کاربردی، مرکز آموزش شرکت تولیدی و صنعتی آذین خودرو مهدی دانشجوی کارشناسی مهندسی فناوری صنایع شیمیایی، ایران، تهران، دانشگاه جامع علمی کاربردی، مرکز آموزش شرکت تولیدی و صنعتی آذین خودرو عظیم دانشجوی کارشناسی مهندسی فناوری صنایع شیمیایی، ایران، تهران، دانشگاه جامع علمی کاربردی، مرکز آموزش شرکت تولیدی و صنعتی آذین خودرو 2026 07 23 Supercritical fluid extraction, as one of the most efficient and compatible modern extraction methods, has attracted widespread attention in the food, pharmaceutical, and chemical industries. However, the inherent complexities of this process, which result from the interaction of numerous parameters, have made it inevitable to use modeling and optimization approaches. The present article, with the aim of a comprehensive and analytical review of the modeling and optimization methods of the supercritical extraction process, introduces the theoretical and practical foundations of each method. In the field of kinetic modeling, the broken and intact cell model (SWOVA) is known as the most comprehensive model due to its consideration of the heterogeneous structure of plant particles, while the contracting nucleus model is considered a suitable option for initial estimates. In the field of optimization, the response surface methodology provides interpretable mathematical models, allowing for a deeper understanding of the relationships between parameters, and artificial neural networks, with their high ability to model nonlinear relationships, provide higher prediction accuracy. The results show that hybrid approaches are outlined as the future of this field, and the development of physics-based and data-based models is one of the most important perspectives for future research. استخراج با سیال فوق بحرانی به عنوان یکی از کارآمدترین و سازگارترین روش های نوین استخراج، توجه گسترده ای را در صنایع غذایی، دارویی و شیمیایی به خود جلب کرده است. با این حال، پیچیدگی های ذاتی این فرآیند، که ناشی از اثر متقابل پارامترهای متعدد بر یکدیگر است، ضرورت بهره گیری از رویکردهای مدل سازی و بهینه سازی را اجتناب ناپذیر ساخته است. مقاله ی حاضر، با هدف مروری جامع و تحلیلی بر روش های مدل سازی و بهینه سازی فرآیند استخراج فوق بحرانی، به معرفی مبانی نظری و عملی هر یک از روش ها می پردازد. در حوزه ی مدل سازی سینتیک، مدل سلول های شکسته و سالم (سویووا) به دلیل در نظر گرفتن ساختار ناهمگن ذرات گیاهی، به عنوان جامع ترین مدل شناخته می شود، در حالی که مدل هسته ی در حال انقباض، گزینه ای مناسب برای تخمین های اولیه محسوب می گردد. در حوزه ی بهینه سازی، روش سطح پاسخ با ارائه ی مدل های ریاضی تفسیرپذیر، امکان درک عمیق تری از روابط بین پارامترها را فراهم می آورد و شبکه های عصبی مصنوعی با توانایی بالا در مدل سازی روابط غیرخطی، دقت پیش بینی بالاتری ارائه می دهند. نتایج نشان می دهد که رویکردهای ترکیبی (هیبریدی) به عنوان آینده ی این حوزه ترسیم می شوند و توسعه ی مدل های فیزیک-محور و داده محور، از مهم ترین چشم اندازهای تحقیقات آینده است. /downloadfilepdf/221828