and the levels of the variables (te

and the levels of the variables (temperature, volume, ethanol concentration)
investigated in this study were given in Table 1. The
experiments were performed in random order to avoid systematic
error.
By applying multiple regression analysis to the experimental
data, the results of the CCD were fitted to a second-order polynomial
equation. Thus, a mathematical regression model for OD fitted
in the coded factors was given as follows
Y = 9.9482 + 0.1777X1 + 0.3919X2 + 0.5911X3 + 0.00188X1 X2
+ 0.00139 X1 X3 − 0.00079X2 X3 − 0.001369X2
1 − 0.015986 X2
2
− 0.005571 X2
3
where Y was the response, that was the OD of 14 phenolic compounds
contents and X1, X2 and X3 were the coded values of the
test variables temperature, volume, and ethanol concentration,
respectively. The significance of each coefficient was determined
by Student’s t-test and P-values, and the results showed that
ethanol concentration played the main effect on the extraction effi-
ciency. The prediction optimization values were calculated using
the second-order polynomial equation. The result was that X1
(temperature) was 100 ◦C, X2 (volume) was 17 mL and X3 (ethanol
concentration) was 51%.
To consider the interaction of different extraction parameters,
the three-dimensional profiles of multiple non-linear regression
models were depicted in Fig. 3A–C, respectively. From Fig. 3,
we could found that the effect of ethanol concentration on the
extraction efficiency was most obvious. Fig. 3A showed the interaction
between temperature and extraction volume, the maximum
extraction efficiency was obtained at temperature of 100 ◦C and
extraction volume of 17 mL. Fig. 3B drew surface responses among
temperature and ethanol concentration, the optimal temperature
of 100 ◦C and ethanol concentration of 51%. Fig. 3C showed that the
optimal extraction efficiency was obtained at ethanol of 51% and
extraction volume of 17 mL.
The prediction optimization values, including temperature
(80 ◦C, 90 ◦C, 100 ◦C, 110 ◦C and 120 ◦C), ethanol concentration (20%,
35%, 50%, 65% and 80%), and extraction volume (10 mL, 15 mL,
17 mL, 20 mL and 25 mL), were validated using univariate method.
When one of the parameters, including temperature, ethanol concentration
and extraction volume, was optimized, the others were
set at the predication optimization value (temperature, 100 ◦C;
ethanol, 51%; extraction volume, 17 mL). The results showed the
optimization values of temperature and extraction volume were
the same as the results of CCD (Fig. 4A and B), but ethanol concentration
of univariate method was 65%. Because 65% ethanol
concentration was a real experiment result rather than predicted
value (Fig. 4C). At last, temperature was set at 100 ◦C, extraction
volume was 17 mL and ethanol concentration was 65%. The extraction
time of MAE was optimized by performing consecutive three
times extractions on the same sample under the optimized MAE
conditions. After one time extraction, the target compounds were
almost undetectable. It was suggested that the MAE with one cycle
was enough.

Kết quả (Việt) 2:

và mức độ của các biến (nhiệt độ, khối lượng, nồng độ ethanol)
điều tra trong nghiên cứu này đã được đưa ra trong Bảng 1. Các
thí nghiệm được thực hiện trong thứ tự ngẫu nhiên để tránh hệ thống
lỗi.
Bằng cách áp dụng phân tích hồi quy đa biến để thử nghiệm
dữ liệu, kết quả của các CCD đã được trang bị cho một thứ hai để đa thức
phương trình. Do đó, một mô hình hồi quy toán học cho OD trang bị
trong những yếu tố được mã hóa đã được đưa ra như sau
Y = 9,9482 + 0.1777X1 + 0.3919X2 + 0.5911X3 + 0.00188X1 X2
+ 0,00139 X1 X3 - 0.00079X2 X3 - 0.001369X2
1-,015986 X2
2
- 0.005571 X2
3
trong đó Y là phản ứng, đó là OD 14 phenolic hợp chất
nội dung và X1, X2 và X3 là những giá trị được mã hóa của các
biến kiểm tra nhiệt độ, khối lượng và nồng độ ethanol,
tương ứng. Tầm quan trọng của mỗi hệ số được xác định
bởi t-test và P-giá trị của sinh viên, và kết quả cho thấy
nồng độ cồn ethanol chơi tác động chính về việc khai thác effi-
tính hiệu. Các giá trị tối ưu hóa dự đoán được tính toán sử dụng
thứ hai-thứ tự phương trình đa thức. Kết quả là X1
(nhiệt độ) là 100 ◦C, X2 (khối lượng) là 17 ml và X3 (ethanol
nồng độ) là 51%.
Để xem xét sự tương tác của các thông số khai thác khác nhau,
các cấu hình ba chiều của hồi quy phi tuyến tính nhiều
mô hình được mô tả trong hình. 3A-C, tương ứng. Từ hình. 3,
chúng ta có thể thấy rằng ảnh hưởng của nồng độ cồn ethanol vào
hiệu quả khai thác là rõ ràng nhất. Sung. 3A đã cho thấy sự tương tác
giữa nhiệt độ và khối lượng khai thác, tối đa
hiệu quả khai thác thu được ở nhiệt độ 100 ◦C và
khối lượng khai thác của 17 mL. Sung. 3B đã thu hút phản ứng bề mặt giữa
nhiệt độ và nồng độ ethanol, nhiệt độ tối ưu
của 100 ◦C và nồng độ cồn 51%. Sung. 3C cho thấy
hiệu quả khai thác tối ưu thu được tại ethanol 51% và
khối lượng khai thác của 17 ml.
Các giá trị tối ưu hóa dự đoán, bao gồm nhiệt độ
(80 ◦C, 90 ◦C, 100 ◦C, 110 và 120 ◦C ◦C), nồng độ cồn ethanol (20%,
35%, 50%, 65% và 80%), và khối lượng khai thác (10 ml, 15 ml,
17 ml, 20 ml và 25 ml), đã được xác nhận bằng phương pháp đơn biến.
Khi một trong các thông số , bao gồm nhiệt độ, nồng độ ethanol
và khối lượng khai thác, được tối ưu hóa, những người khác đã được
đặt ở giá trị tối ưu hóa sự truyền giáo (nhiệt độ, 100 ◦C;
ethanol 51%, khối lượng khai thác, 17 ml). Kết quả cho thấy các
giá trị tối ưu của nhiệt độ và khối lượng khai thác là
giống như kết quả của CCD (Hình 4A và B.), Nhưng nồng độ ethanol
của phương pháp đơn biến là 65%. Bởi vì 65% ethanol
nồng độ là một kết quả thử nghiệm thực tế chứ không phải là dự đoán
giá trị (Hình. 4C). Cuối cùng, nhiệt độ được đặt ở 100 ◦C, khai thác
khối lượng là 17 ml và nồng độ cồn là 65%. Việc khai thác
thời gian của MAE đã được tối ưu hóa bằng cách thực hiện liên tiếp ba
lần nhổ trên cùng một mẫu dưới MAE tối ưu hóa
điều kiện. Sau một thời gian khai thác, các hợp chất mục tiêu là
gần như không thể phát hiện. Có ý kiến cho rằng MAE với một chu kỳ
là đủ.