《Journal of CO2 Utilization》：Sustainable CO?-based process intensification for the extraction of Nepeta crispa essential oil using ultrasound-assisted supercritical CO?: Optimization and machine learning modeling
编辑推荐：
摘要：研究人员采用超临界二氧化碳(SC-CO?)作为绿色溶剂，结合超声辅助以实现猫薄荷(Nepeta crispa Willd.)精油提取过程的强化。CO?基超声辅助超临界萃取显著优于传统的的水蒸气蒸馏(HD)和超声辅助溶剂萃取(UAE)方法。研究人员采用中心
摘要：研究人员采用超临界二氧化碳(SC-CO?)作为绿色溶剂，结合超声辅助以实现猫薄荷(Nepeta crispa Willd.)精油提取过程的强化。CO?基超声辅助超临界萃取显著优于传统的的水蒸气蒸馏(HD)和超声辅助溶剂萃取(UAE)方法。研究人员采用中心复合设计-响应面法(CCD–RSM)对操作参数(压力、温度及夹带剂体积)进行优化，揭示了各因素间较强的交互作用。研究人员建立自适应神经模糊推理系统(ANFIS)并结合粒子群优化(PSO)算法对萃取得率进行预测，其精度高于RSM模型。最佳工艺条件为压力30 MPa、温度318 K、CO?流量1.1 g/min、夹带剂乙醇体积370 μL，对应最大精油得率。结果表明以CO?利用为核心的绿色平台技术在可持续萃取工艺中具有广阔应用前景。
论文解读：采用超临界CO?辅助超声强化的可持续CO?基工艺萃取猫薄荷(Nepeta crispa)精油——工艺优化与机器学习建模
本文发表于《Journal of CO? Utilization》。传统精油提取方法如水蒸气蒸馏(Hydrodistillation, HD)和有机溶剂萃取存在热敏成分降解、溶剂残留、能耗高及选择性差等问题，不符合绿色化学原则。猫薄荷(Nepeta crispa)为唇形科多年生芳香植物，其精油富含1,8-桉叶素(1,8-Cineole)及荆芥内酯(Nepetalactone)，具药用价值。超临界CO?(SC-CO?)萃取兼具无毒、低温、可调选择性及溶剂残留低等优势，但目前将超声强化与SC-CO?联用并结合智能算法建模优化Nepeta crispa提取的研究尚不充分。为此，研究人员对比了HD、超声辅助萃取(Ultrasonic-Assisted Extraction, UAE)与SC-CO?三种方法，采用中心复合设计(Central Composite Design, CCD)结合响应面法(Response Surface Methodology, RSM)及自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System, ANFIS)耦合粒子群优化(Particle Swarm Optimization, PSO)算法对SC-CO?萃取工艺进行建模与优化，并通过气相色谱-质谱(Gas Chromatography-Mass Spectrometry, GC-MS)及火焰离子化检测(Gas Chromatography-Flame Ionization Detector, GC-FID)分析精油化学成分。
主要关键技术方法：
研究人员采集伊朗哈马丹省Nepeta crispa地上部分，阴干粉碎过筛(0.25–0.50 mm)。分别进行水蒸气蒸馏(HD，100 g样品，5 h)、UAE(10 g样品，70% v/v乙醇，40 kHz超声45 min，35 °C)及实验室规模SC-CO?动态萃取(5 g样品，静态平衡25 min+动态60 min，考察压力18–34 MPa、温度308–328 K、CO?质量流量0.5–1.7 g/min及乙醇夹带剂体积0–770 μL，经CCD-RSM设计实验)。得率按精油质量/干粉质量×100%计算。采用Design-Expert进行RSM二次回归拟合与方差分析(ANOVA)；构建高斯隶属函数的一阶Sugeno型ANFIS模型并以PSO算法优化隶属函数参数(群体规模100，最大迭代36)。精油成分经GC-MS/FID分析，以保留指数(Retention Index, RI)及标准谱库定性定量。
3. Results and discussions
3.1. Hydrodistillation, SC-CO?, and ultrasonic-assisted extraction
研究人员对比三种方法所得精油，SC-CO?最优条件下得率为0.9822±0.0022 (w/w %)，高于HD(0.8722±0.0022 %)和UAE(0.9025±0.0012 %)。GC-MS鉴定出19种共有成分(分别占总量97.02%、98.97%、98.03%)，主要成分为1,8-Cineole(SC-CO? 52.41%，HD 48.46%)、4aα,7β,7aα-Nepetalactone(SC-CO? 25.23%，HD 23.87%)及β-Pinene。SC-CO?因可调控溶解度表现出更高选择性，HD因加热可能导致挥发性成分损失，UAE因空化效应增强传质但选择性较低。SC-CO?提取物中主要含氧化合物相对含量略高，印证了其选择性萃取优势。
3.2. Modeling and optimization
3.2.1. Design of experimental data
研究人员以压力(X?, 18–34 MPa)、温度(X?, 308–328 K)、CO?流量(X?, 0.5–1.7 g/min)、乙醇夹带剂体积(X?, 0–770 μL)四因素五水平CCD安排30组实验。拟合二次模型：Yield=0.8284+0.1092x??0.0262x?+0.0682x?+0.0984x??0.0081x?x??0.0106x?x??0.0173x?x??0.0123x?x?+0.00043x?x??0.0173x?x??0.0136x?2+0.0114x?2?0.0346x?2?0.0228x?2。ANOVA表明模型极显著(p<0.0001)，R2=0.9992，调整R2(Adj. R2)=0.9985，预测R2(Pred. R2)=0.9958，失拟项不显著，证实模型适配良好。所有线性项及大部分交互项显著，压力、夹带剂体积及CO?流量对得率正向影响最大。RSM预测最优条件为34 MPa、318 K、1.1 g/min、370 μL乙醇，预测得率0.9781%，与验证实验(0.9822±0.0022%)吻合。
3.2.2. Modeling and prediction using ANFIS-PSO
研究人员以四输入(压力、温度、流量、夹带剂体积)一输出(得率)构建ANFIS，输入变量采用高斯型隶属函数(Membership Function, MF, Gauss MF, 3个/变量)，输出为一阶Sugeno线性函数，用PSO优化前提参数(c?=c?=3，群体100，迭代36)。最优ANFIS-PSO含13条模糊规则，训练集RMSE=1.2855×10??，检验集RMSE=1.2947×10??，R2=0.9999，优于RSM模型。误差直方图显示预测值与实验值高度一致。
3.2.3. Comparison of the model results with the experimental data
两模型均能有效预测得率，但ANFIS-PSO精度更高(R2更接近1，RMSE更小)。两模型给出相同优化点：34 MPa、318 K、1.1 g/min CO?、370 μL乙醇，因ANFIS-PSO非线性拟合能力更强，最终采纳其优化结果。
3.3. Impact of operational parameters on the extraction yield
通过三维响应面分析单因素及交互效应：
- •
温度(Temperature effect)： 在本研究压力高于交叉压力(Crossover pressure)条件下，升温使溶质饱和蒸气压增大效应超过SC-CO?密度降低导致溶解度下降的负面效应，得率微幅上升，但温度影响较压力及夹带剂弱。
- •
压力(Pressure effect)： 升压显著提高SC-CO?密度及溶解能力，得率随压力升高而增加，表明增溶效应主导扩散速率降低带来的负面影响，至上限34 MPa得率最高。
- •
CO?流量(CO? flow rate effect)： 流量由0.5增至1.7 g/min得率先升后趋缓；较高流量减薄颗粒表面边界层、强化传质，但过大流量缩短溶剂-基质接触时间致夹带不完全，实验范围内1.1 g/min附近较优。
- •
夹带剂体积(Co-solvent volume effect)： 添加乙醇提高SC-CO?极性及与含氧萜类氢键作用，得率随乙醇体积增加而升高(0–370 μL范围内)，证实夹带剂改善对非/弱极性组分溶解的有效性。
4. Conclusion（结论翻译）
本研究对比了SC-CO?、HD及UAE法萃取Nepeta crispa精油，并采用ANFIS-PSO与RSM-CCD对SC-CO?工艺进行建模与优化。两模型均与实验数据吻合良好且给出相近优化结果，其中ANFIS-PSO预测精度更高(R2=0.9999，训练RMSE=1.2855×10??)。RSM二次模型极显著(R2=0.9992，Adj. R2=0.9985，Pred. R2=0.9958)。确定最佳操作条件为压力34 MPa、温度318 K、CO?质量流量1.1 g/min、乙醇夹带剂体积370 μL，在此条件下SC-CO?萃取最大得率达0.9822±0.0022 (w/w %)。ANOVA表明压力、温度、CO?流量及夹带剂体积均为显著影响因子。GC分析显示SC-CO?与HD所得精油主要成分一致，SC-CO?具更高选择性。结果表明SC-CO?可作为可持续、可调变的工艺介质，在温和条件下实现高效选择性萃取，是绿色萃取技术及CO?资源化利用的重要方向。
