پیش بینی تاثیر تیمارهای ازن، کیتوزان و دما بر میزان اسیدیته خرمای مضافتی در طول دوره نگهداری با استفاده از شبکه عصبی مصنوعی
Authors
abstract
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 (5، 15 و25 درجه سانتی گراد) بعنوان راهکارهایی جهت افزایش ماندگاری رطب مضافتی در طی نگهداری (به مدت 60 روز) استفاده شد و هر 3 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 1-17-4 ضریب همبستگی 99264/0 و میانگین مربعات خطای 0013/0 با بکارگیری تابع فعال سازی تانژانت سیگموئید هایپربولیکی و الگوی یادگیری لونبرگ – مارکوات[1] 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. [1]. levenberg marquardt
similar resources
بررسی کارایی تیمارهای گاز ازن، پوشش کیتوزان و دما در طول نگهداری خرمای مضافتی و بهینه‌یابی شرایط نگهداری به روش سطح پاسخ
در این مطالعه به منظور ارزیابی ماندگاری خرما و کاهش بار میکروبی آن، از تیمار گاز ازن و پوشش کیتوزان در دماهای مختلف در طول فرایند نگهداری خرما استفاده گردید. به همین منظور در قالب طرح سطح پاسخ خرماهای مورد آزمون در سه سطح (0، 5/2 و 5 ppm) و به مدت 1 ساعت ازن زنی شدند. سپس توسط پوشش کیتوزان نیز در سه سطح ( 0، 1 و 2 %) پوشش‌دهی گردیدند و پس از بسته بندی به روش تجاری موجود در بازار، تا پایان آزمای...
full textپیش بینی میزان غلظت آلاینده های هوای تهران با استفاده از شبکه عصبی مصنوعی
در این تحقیق شبکه عصبی مصنوعی جهت برآورد و پیش بینی غلظت گازهای آلاینده هوا به کار رفته است.با توجه به خطر آلودگی هوا در شهر تهران و ایجاد مشکلات زیست محیطی و بیماری های خطرناک تنفسی و پوستی به ویژه برای کودکان و سالمندان و نیاز شدید به کنترل آن ، این تحقیق در جهت برنامه ریزی و کنترل این مشکل در تهران و همچنین شهرهای بزرگ دیگر انجام گرفته است. برای این منظور از آمار غلظت گازهای آلاینده هوای ثبت...
full textمدل‌سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی
سابقه و هدف: پایداری اکسیداسیون یکی از پارامترهای مهم در حفظ کیفیت روغن زیتون طی نگهداری می باشد اطمینان از ثبات کیفیت روغن زیتون یکی از مسائل و نگرانی‌های مهم تولیدکنندگان و مصرف کنندگان است. لذا این مطالعه با هدف مدل‌سازی پایداری اکسیداسیون روغن زیتون با استفاده شبکه‌های عصبی مصنوعی به منظور به بهبود فرآیند کنترل کیفیت این محصول انجام شد. مواد و روشها: در این مطالعه از روش شبکه عصبی پیش‌خور ...
full textمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textMy Resources
Save resource for easier access later
Journal title:
علوم و صنایع غذایی ایرانجلد ۱۴، شماره ۶۷، صفحات ۱۱۴-۱۰۷
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023