Farideh Tabataba i Yazdi - دانشیار و عضو هئیت علمی گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Ali Alghuneh - دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Behrooz Ali Zadeh - دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Ali Reza Vasi i - دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده هدف از این پژوهش، بررسی تاثیر پارامتر های زمان، نوع عصاره، غلظت عصاره و دمای محیط بر دینامیک جمعیت باکتری اشرشیا کلی در یک سیستم کمپکلس غذایی (سوسیس فرانکفورتر) و مدل سازی آن به وسیله ژنتیک الگوریتم- شبکه عصبی مصنوعی و سیستم های نورو فازی ((CANFIS می باشد. در این پژوهش، از روش رقت سازی در چاهک برای تعیین حداقل غلظت مهار کنندگی (MIC) و حداقل غلظت کشندگی (MBC) عصاره های آبی و اتانولی قره قات استفاده شد. مدل ژنتیک الگوریتم- شبکه عصبی و سیستم نوروفازی ((CANFIS دارای چهار ورودی شامل، غلظت در پنج سطح (صفر، ۲۰۰۰، ۴۰۰۰، ۶۰۰۰، ۸۰۰۰ ppm)، نوع عصاره (آبی، اتانولی)، دما در سه سطح (۵، ۱۵ و ۲۵ درجه سانتی گراد)، و زمان (صفر تا ۲۰روز) بود. نتایج نشان داد شبکه عصبی با یک لایه مخفی، ۱۰ نورون در لایه مخفی، تابع فعال سازی از نوع تانژانت هیپربولیک، قاعده یادگیری مومنتوم، درصد داده های ۳۰، ۳۰، ۴۰ به ترتیب برای آموزش، ارزیابی و آزمون برای پیش بینی دینامیک جمعیت باکتری اشرشیای کلی به کار رود (۹۹۵/۰ =R۲). همچنین همبستگی بسیار مناسبی بین پیش بینی های سیستم نوروفازی و داده های تجربی وجود داشت(۹۶/۰ =R۲).  لازم به ذکر است که در این پژوهش سیستم ژنتیک الگوریتم- شبکه عصبی به شیوه مناسب تری قادر به پیش بینی دینامیک جمعیت باکتری اشرشیا کلی بود.

Key words: Escherichia coli, Redcurrant, genetic algorithm, Artificial Neural Network, Neuro fuzzy, کلید واژگان: اشرشیا کلی, قره قات, ژنتیک الگوریتم, شبکه عصبی مصنوعی, نوروفازی