الهام آل حسینی - دانشجوی کارشناسی ارشد
سیدمهدی جعفری - استادیاردانشگاه علوم کشاورزی و منابع طبیعی گرگان
علی معتمدزادگان - استادیاردانشگاه آزاد اسلامی واحد علوم و تحقیقات آیت الله آملی

امروزه استفاده ازروشهای جدید و قابل اعتماد به منظور مدلسازی و پیش بینی ویژگیهای کمی و کیفی گندم ازجمله طبقه بندی ارقام منحنی های مربوط به جذب و بازجذب اب ضریب هدایت حرارتی گندم و ... با بکارگیری شبکه های عصبی میتواند نقش بسیارمهمیدربهینه سازی فرایندهای تولیدی و تبدیلی این محصول کلیدی ایفا نماید نتایج مطالعات درطبقه بندی شش رقم گندم دوروم نشان داد شبکه عصبی مصنوعی انتشار یابنده شمارشی با دقت 82درصد توانایی پیش بینی مناسب تری داشت مدل ارایه شده توسط شبکه عصبی مصنوعی برای پیش یبنی نرخ هدایت گرمایی محصولات نانوایی مختلف با یک خطای نسبی متوسط 10درصد خطای مطلق میانگین 0/02 و خطای استاندارد درحدود 0/03 بودبهترین شبکه برای میزان رطوبت و فعالیت آبی تعدادی ازمحصولات نیمه اماده درطی فرایند خشک کردن ازنه گره مخفی و تابع لگاریتمی انتقال سیگموئید درلایه اول تشکیل شد میانگین مربع خطا و ضریب رگرسیون بی پیش ینی شبکه و خروجیهای تجربی به ترتیب 0/0034و0/99 بود مدلسازی خیساندن گندم نشانداد که نسبت رطوبت براورد شده با شبکه های عصبی چندلایه پرسپترون ازشبکه تابع شعاعی دقیقتر است

گندم، شبکه عصبی مصنوعی، مدلسازی، ویژگیهای کمی و کیفی