مقایسه مدل های رگرسیونی با شبکه عصبی در پیش بینی خواص کیفی سیب با پوشش خوراکی

به دلیل تولید بالای سیب در ایران و ضایعات نسبتا بالا، استفاده از روشهای بهبود دهنده برای نگهداری آن ضرورت دارد. یکی از روش های مناسب به کارگیری پوشش های خوراکی نانوکامپوزیت ها با پایه ی گیاهی می باشد. هدف تعیین مدل مناسبی برای پیش بینی تغییرات خواص کیفی سیب بر اساس شرایط و زمان انبارداری و نوع پوشش می باشد. در این راسـتا سـیب زرد دماونـد (گلـدن دلیشز) برای آزمایش ها انتخاب شد. بعد از پوشش دهی، نمونه های سیب در دو شرایط محیطی (C˚20 و رطوبت 30 (%و سـردخانه ای (C˚2 و رطوبت رطوبت 95 (%به مدت شش ماه نگهداری شد. خواص کیفی (pH ، میزان مواد جامد محلول) در طی انبـارداری بررسی شد. همچنین مدل سازی خواص بر اساس داده های مستخرج از آزمایش ها توسط رگرسیون و شبکه عصبی انجـام پـذیرفت. در خواص کیفی مدل رگرسیون برای میزان مواد جامد محلول جواب نداده و در pH نیز فقط در شرایط محیطی مناسب بود. بهترین R مقدار 2در pH برای مدل ترکیبی 9/84 %شد. الگوریتم trainbr بهترین عملکـرد را داشـت. بـا توجـه بـه مقـدار خطـا بهتـرین توپولوژی در تابع tansig 8-10-6 و در تابع logsig با همان توپولوژی انتخاب شد. مقادیر MSE و R برای این دو مدل به ترتیب 92/1 و 0/0066بدست آمد

Keywords:

پوشش خوراکی , خواص کیفی , شبکه عصبی , مدل رگرسیونی غیر خطی