پیش بینی تاثیر تیمارهای ازن، کیتوزان و دما بر میزان اسیدیته خرمای مضافتی در طول دوره نگهداری با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 134
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-14-67_011
تاریخ نمایه سازی: 1 آذر 1402
چکیده مقاله:
چکیده رطب مضافتی یکی از ارقام شناخته شده و خوشمزه بوده که معمولا جزو خرماهای مرطوب طبقه بندی شده و به رنگ قرمز تیره متمایل به سیاه و دارای بافت نرم می باشد. این خرما سومین رقم اقتصادی کشور بعد از سعمران و شاهانی بوده و با توجه به اهمیت تغییرات میزان اسیدیته در کیفیت آن، در این پژوهش تغییرات اسیدیته در طول دوره نگهداری توسط شبکه عصبی مصنوعی پیش بینی گردید. به همین منظور از گاز ازن، پوشش خوراکی کیتوزان و دماهای مختلف (۵، ۱۵ و۲۵ درجه سانتی گراد) بعنوان راهکارهایی جهت افزایش ماندگاری رطب مضافتی در طی نگهداری (به مدت ۶۰ روز) استفاده شد و هر ۳ روز اسیدیته خرماها اندازه گیری شد. ازن، پوشش خوراکی کیتوزان و دماهای مختلف به عنوان ورودی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. نتایج این تحقیق نشان داد، شبکه عصبی مصنوعی newff با توپولوژی ۱-۱۷-۴ ضریب همبستگی ۹۹۲۶۴/۰ و میانگین مربعات خطای ۰۰۱۳/۰ با بکارگیری تابع فعال سازی تانژانت سیگموئید هایپربولیکی و الگوی یادگیری لونبرگ – مارکوات[۱] به عنوان بهترین مدل عصبی در پیش بینی تغییرات میزان اسیدیته می باشد. در مجموع می توان گفت شبکه عصبی مصنوعی روشی قابل اطمینان برای مدل سازی و پیش بینی تغییرات اسیدیته خرما و محصولات مشابه می باشد. [۱]. Levenberg Marquardt
کلیدواژه ها:
نویسندگان