مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

892
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

575
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مدل سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی

صفحات

 صفحه شروع 71 | صفحه پایان 80

چکیده

 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 روش ها: در این مطالعه از روش شبکه عصبی پیش خور برای پیش بینی 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 به عنوان خروجی در نظر گرفته شد.یافته ها: بهترین مدل شبکه عصبی پیش خور 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 پیش خور در روزهای (30-120-210-300-420) به ترتیب 0.936, 0.955, 0.957, 0.974 و 0.9769 و میانگین مربعات خطا 0.0057, 0.0015, 0.0012, 0.00974 و 0.0062 بود.نتیجه گیری: تجزیه و تحلیل مدل نشان داد که شبکه عصبی پیش خور یک ابزار قدرتمند برای پیش بینی پایداری اکسیداسیونی روغن زیتون در طول نگهداری است.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    رفیعی نظری، روشنک، عرب عامری، مجید، و نوری، لیلا. (1394). مدل سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی. مجله علوم تغذیه و صنایع غذایی ایران، 10(1)، 71-80. SID. https://sid.ir/paper/395195/fa

    Vancouver: کپی

    رفیعی نظری روشنک، عرب عامری مجید، نوری لیلا. مدل سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی. مجله علوم تغذیه و صنایع غذایی ایران[Internet]. 1394؛10(1):71-80. Available from: https://sid.ir/paper/395195/fa

    IEEE: کپی

    روشنک رفیعی نظری، مجید عرب عامری، و لیلا نوری، “مدل سازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی،” مجله علوم تغذیه و صنایع غذایی ایران، vol. 10، no. 1، pp. 71–80، 1394، [Online]. Available: https://sid.ir/paper/395195/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button