پیش بینی و اطمینان از کیفیت روغن زیتون بکر با استفاده از سامانه استنتاج فازی– عصبی تطبیقی

Authors

Abstract:

تخمین پارامترهای کیفی روغن زیتون دارای اهمیت ویژه‌ای در روش‌های کنترل کیفیت مدرن است یکی از مهم‌ترین مشکلات در هنگام پیش بینی کیفیت روغن در طی نگهداری، پیچیدگی ویژگی‌های فیزیکو شیمیایی ماده اولیه و اختلاف داده ها به علل مختلف است. مدل‌سازی پایداری اکسایشی روغن زیتون با استفاده از سامانه استنتاج فازی– عصبی تطبیقی می‌تواند به بهبود فرآیند کنترل کیفیت این محصول کمک کند. ثبات اکسایشی یکی از پارامترهای مهم کنترلی در روغن زیتون است. در طراحی مدل پارامترهای اسیدیته، عدد پراکسید، ترکیبات فنلی، ضرایب خاموشیk232 به عنوان ورودی و ضریب خاموشی k270 بعنوان خروجی در نظر گرفته شد. همچنین برای بهینه سازی مدل از توابع عضویت مختلف، تعداد توابع عضویت و سیکل های یادگیری متعددی به شکل آزمون و خطا مورد استفاده قرار گرفت. بهترین مدل با استفاده از تابع عضویت ذوزنقه ای، تعداد توابع 3 3 3 3 3 و چرخه یادگیری 50 بدست آمد که دارای کمترین میانگین مربعات خطا 0012/0 و بهترین ضریب رگرسیون (R2) 997/0بود. تجزیه و تحلیل مدل نشان داد که سامانه استنتاج فازی – عصبی تطبیقی یک ابزار قدرتمند برای پیش بینی پایداری اکسایشی روغن زیتون بکر است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی پسماند تولیدی شهر تهران با استفاده از سامانه استنتاج تطبیقی فازی-عصبی و شبکه‌های عصبی مصنوعی

پیش بینی کمیت تولید، نقش به سزایی در بهینه سازی و برنامه ریزی سامانه­ مدیریت پسماند­های جامد شهری دارد، اما به علت دینامیک بودن سامانه های مدیریت پسماند، پیچیدگی روابط بین متغیر ورودی و خروجی، در دسترس نبودن و یا ناکافی بودن اطلاعات و همچنین تاثیر عوامل متغیر و غیرقابل کنترل همواره کار مشکلی بوده است. امروزه استفاده از سامانه های هوشمند به عنوان راهکاری نوین در تحلیل مسائل زیست محیطی، گسترش یاف...

full text

پیش بینی جریان رودخانه با استفاده از سیستم استنتاج فازی

یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیجیدگی زیاد یا عدم‌  صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی از جمله سیستم می‌باشد. مزیت اصلی این تکنیک نسبت به  استنتاج فازی روش‌های رایج، این است که این سیستم بر اساس قواعد اگر- آن‌گاه بنا نهاده شده است و قادر به تعیین ارتباط بین متغیرهای ورودی و خروجی با استفاده از قواعد مزبو...

full text

پیش‌بینی خواص مکانیکی نانوکامپوزیت‌های پلی‌اتیلن سبک - نشاسته گرمانرم با استفاده از سامانه استنتاج فازی- عصبی تطبیقی

رفتار مکانیکی نانوکامپوزیت های پلی اتیلن سبک  نشاسته گرمانرم با استفاده از سامانه استنتاج فازی  عصبی تطبیقی بررسی شده است. بدین منظور، کامپوزیت های پلی اتیلن سبک  نشاسته گرمانرم حاوی مقادیر مختلف )صفر تا 3 درصد وزنی( نانوخاک رس ) Cloisite 15A ( با استفاده از فرایند اکستروژن تهیه شد. در عمل، انجام آزمون های مختلف برای تشخیص ارتباط میان پارامترهای فرایندی اکستروژن و خواص مکانیکی نانوکامپوزیت ها ب...

full text

پیش بینی خواص مکانیکی نانوکامپوزیت های پلی اتیلن سبک - نشاسته گرمانرم با استفاده از سامانه استنتاج فازی- عصبی تطبیقی

رفتار مکانیکی نانوکامپوزیت های پلی اتیلن سبک  نشاسته گرمانرم با استفاده از سامانه استنتاج فازی  عصبی تطبیقی بررسی شده است. بدین منظور، کامپوزیت های پلی اتیلن سبک  نشاسته گرمانرم حاوی مقادیر مختلف )صفر تا 3 درصد وزنی( نانوخاک رس ) cloisite 15a ( با استفاده از فرایند اکستروژن تهیه شد. در عمل، انجام آزمون های مختلف برای تشخیص ارتباط میان پارامترهای فرایندی اکستروژن و خواص مکانیکی نانوکامپوزیت ها ب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 2

pages  25- 42

publication date 2016-12-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023