ఫుడ్ ప్రాసెసింగ్ & టెక్నాలజీ జర్నల్

నైరూప్య

యాపిల్, అరటి మరియు బంగాళాదుంపల ఓస్మో-డీహైడ్రేషన్ ప్రక్రియలను అంచనా వేయడంలో మల్టీలీనియర్ రిగ్రెషన్ అప్రోచ్

చార్లెస్ టోర్టో, జాన్ ఆర్చర్డ్ మరియు ఆంథోనీ బీజర్

ఓస్మో-డీహైడ్రేషన్ ద్వారా ఆహార నాణ్యతను మెరుగుపరిచే సంభావ్యత అద్భుతమైనది కానీ పరిమాణాత్మక డేటా మరియు పద్ధతుల ద్వారా పరిమితం చేయబడింది. ఉష్ణోగ్రత, ఏకాగ్రత, ఇమ్మర్షన్ సమయం, నమూనా పరిమాణం, నమూనా రకం మరియు ఆందోళన యొక్క ప్రభావాన్ని పరిగణనలోకి తీసుకొని ఆపిల్, అరటి మరియు బంగాళాదుంపల ద్రవాభిసరణ సమయంలో నీటి నష్టం మరియు ఘన లాభం కోసం మల్టిపుల్ లీనియర్ రిగ్రెషన్ (MLR) విధానం అభివృద్ధి చేయబడింది. మొక్కల పదార్థాల ఓస్మోడీహైడ్రేషన్‌ను ప్రభావితం చేసే అత్యంత ముఖ్యమైన అంశం ఉష్ణోగ్రత, అయితే ఆందోళన తక్కువగా ఉంటుంది. నీటి నష్టం కోసం ప్రయోగాత్మక మరియు అంచనా వేసిన డేటా మధ్య మంచి సహసంబంధ గుణకం (r = 0.941)ని సూచించే రిగ్రెషన్ కోఎఫీషియంట్ ఆఫ్ డిటర్మినేషన్ (R2 = 0.886) గుర్తించబడింది. అయినప్పటికీ, ఘన లాభం కోసం రిగ్రెషన్ కోఎఫీషియంట్ ఆఫ్ డిటర్మినేషన్ (R2 = 0.305) ప్రయోగాత్మక డేటా మరియు అంచనా వేసిన డేటా మధ్య మంచి రిగ్రెషన్ కోరిలేషన్ కోఎఫీషియంట్ (r = 0.552) చూపించలేదు. నీటి మార్గము యొక్క వైవిధ్యం మరియు నీటి నష్టానికి అనుకూలంగా వివిధ మొక్కల పదార్థాలలోకి ఘన వ్యాప్తి కారణంగా ఘన లాభం కంటే నీటి నష్టాన్ని అంచనా వేయడం సరిపోతుంది.