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

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.
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 k 232 و ساختار اسیدهای چرب اشباع و غیراشباع به عنوان ورودی و ضریب خاموشی k270 به عنوان خروجی در نظر گرفته شد.
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، 0.0046و 0.0062 بود.
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.