عنوان مقاله: مدل سازي و پيش بيني پايداري اكسيداسيون روغن زيتون طي نگهداري در شرايط محيطي با استفاده از مدل شبكه عصبي مصنوعي
نویسندگان: رفيعي نظري روشنک*, عرب عامري مجيد, نوري ليلا
آدرس: * گروه فيزيک، واحد دامغان، دانشگاه آزاد اسلامي، دامغان، ايران
ما را در اینستاگرام دنبال کنید: 
zeytoonchi
چکیده:
سابقه و هدف: پايداري اكسيداسيون يكي از پارامترهاي مهم در حفظ كيفيت روغن زيتون طي نگهداري مي باشد اطمينان از ثبات كيفيت روغن زيتون يكي از مسائل و نگراني هاي مهم توليدكنندگان و مصرف كنندگان است. لذا اين مطالعه با هدف مدل سازي پايداري اكسيداسيون روغن زيتون با استفاده شبكه هاي عصبي مصنوعي به منظور به بهبود فرآيند كنترل كيفيت اين محصول انجام شد.
مواد و روش ها: در اين مطالعه از روش شبكه عصبي پيش خور براي پيش بيني پايداري اكسيداسيوني روغن زيتون در طي نگهداري استفاده شد. در ساختار شبكه عصبي پارامترهاي اسيديته، عدد پراكسيد، تركيبات فنلي، ضريب خاموشي k232 و ساختار اسيدهاي چرب اشباع و غيراشباع به عنوان ورودي و ضريب خاموشي k270 به عنوان خروجي در نظر گرفته شد.
يافته ها: بهترين مدل شبكه عصبي پيش خور با استفاده از تابع فعال سازي لگاريتم سيگموئيد، الگوريتم آموزش لونبرگ ماركوارت، ده نرون در لايه پنهان ارائه گرديد كه داراي كمترين ميانگين مربعات خطا و بهترين ضريب رگرسيون (R2) بود. مقدار ضريب تبيين (Coefficient of Determination) بهترين مدل شبكه عصبي پيش خور در روزهاي (30-120-210-300-420) به ترتيب 0.936، 0.955، 0.957، 0.974 و 0.9769 و ميانگين مربعات خطا 0.0057، 0.0015، 0.0012، 0.00974 و 0.0062 بود.
نتيجه گيري: تجزيه و تحليل مدل نشان داد كه شبكه عصبي پيش خور يك ابزار قدرتمند براي پيش بيني پايداري اكسيداسيوني روغن زيتون در طول نگهداري است.
