مدلسازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
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 برای پیشبینی پایداری اکسیداسیونی روغن زیتون در طی نگهداری استفاده شد. در ساختار شبکه عصبی پارامترهای اسیدیته، عدد پراکسید، ترکیبات فنلی، ضریب خاموشی k232 و ساختار اسیدهای چرب اشباع و غیراشباع به عنوان ورودی و ضریب خاموشی k270 بهعنوان خروجی در نظر گرفته شد. یافتهها: بهترین مدل شبکه عصبی پیش‌خور با استفاده از تابع فعال سازی لگاریتم سیگموئید، الگوریتم آموزش لونبرگ مارکوارت، ده نرون در لایه پنهان ارائه گردید که دارای کمترین میانگین مربعات خطا و بهترین ضریب رگرسیون (R2) بود. مقدار ضریب تبیین (Coefficient of Determination) بهترین مدل شبکه عصبی پیش‌خور در روزهای (30-120-210-300-420) به ترتیب 936/0، 955/0، 957/0،974/0و 9769/0 و میانگین مربعات خطا 0057/0، 0015/0، 0012/0، 00974/0و 0062/0 بود. نتیجه گیری: تجزیه و تحلیل مدل نشان داد که شبکه عصبی پیش‌خور یک ابزار قدرتمند برای پیشبینی پایداری اکسیداسیونی روغن زیتون در طول نگهداری است. واژگان کلیدی: ثبات اکسیداسیونی، شبکه عصبی مصنوعی، روغن زیتون بکر
منابع مشابه
مدل سازی 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 نگرانی های مهم تولیدکنندگان و مصرف کنندگان است. لذا این مطالعه با هدف مدل سازی پایداری اکسیداسیون روغن زیتون با استفاده شبکه های عصبی مصنوعی به منظور به بهبود فرآیند کنترل کیفیت این محصول انجام شد. مواد و روشها: در این مطالعه از روش شبکه عصبی پیش خور ب...
متن کاملنظارت بر اکسیداسیون روغن زیتون طی دوره نگهداری تسریع شده با استفاده از سامانه ماشین بینایی
در این پژوهش توانایی یک سامانه ماشین بینایی برای نظارت بر سطح اکسیداسیون روغن زیتون ارزیابی شد. به این منظور نمونه‌های روغن زیتون طی دوره نگهداری تسریع شده به مدت 24 روز در آون مورد بررسی قرار گرفته و سپس عملیات پردازش تصویر جهت استخراج پارامترهای مربوط به فضاهای رنگی RGB، HSV و L*a*b*انجام شد. عملکرد تکنیک‌های شبکه عصبی مصنوعی و درخت تصمیم در تعیین میزان اکسیداسیون روغن زیتون مقایسه شد. در هر ...
متن کاملپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...
متن کاملمدل 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...
متن کاملمدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 10 شماره 1
صفحات 71- 80
تاریخ انتشار 2015-04
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023