بررسی تاثیر استریپر و خشک کن بر ویژگی های فیزیکی و شیمیایی روغن کانولا با کمک شبکه های عصبی مصنوعی

روغن کانولا پس از سویا و نخل روغنی، سومین منبع تولید روغن نباتی جهان به شمار می رود. روغن کانولا در مقایسه با روغن های آفتابگردان، ذرت و سویا به دلیل حضور اسیدهای چرب اشباع نشده و فاقد کلسترول از کیفیت تغذیه ای بالاتری برخوردار است. این مطالعه با هدف بررسی تاثیر پارامترهای مختلف استخراج روغن (دمای استریپر ۱۳۰-۱۱۰ درجه سانتی گراد، فشار استریپر ۱۶۰ تا ۲۰۰ میلی بار و فشار خشک کن ۵۰ تا ۱۱۰ میلی بار) بر ویژگی های فیزیکو شیمیایی روغن کانولا توسط روش شبکه عصب مصنوعی مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزارشبکه های عصبی مصنوعی در نرم افزار MATLAB R۲۰۱۳a استفاده شد. با بررسی شبکه های مختلف شبکه ی پس انتشار پیشخور با توپولوژی های۳-۵-۵ با ضریب همبستگی بیشتر از ۹۹۸/۰ و میانگین مربعات خطای کمتر از ۰۰۰۱/۰ و با بکارگیری تابع فعال سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری ۱۰۰۰ به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدل های بهینه ی انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا (بیش از ۹۹/۰) قادر به پیش بینی روند تغییرات روغن کانولا بودند.

کلیدواژه ها:

استخراج روغن ، پیش بینی روند تغییرات ، کانولا ، استریپر