پیش بینی تاثیر تیمارهای ازن، کیتوزان و دما بر میزان اسیدیته خرمای مضافتی در طول دوره نگهداری با استفاده از شبکه عصبی مصنوعی

رطب مضافتی یکی از ارقام شناخته شده و خوشمزه بوده که معمولا جزو خرماهای مرطوب طبقه بندی شده و به رنگ قرمز تیره متمایل به سیاه و دارای بافت نرم می باشد. این خرما سومین رقم اقتصادی کشور بعد از سعمران و شاهانی بوده و با توجه به اهمیت تغییرات میزان اسیدیته در کیفیت آن، در این پژوهش تغییرات اسیدیته در طول دوره نگهداری توسط شبکه عصبی مصنوعی پیش بینی گردید. به همین منظور از گاز ازن، پوشش خوراکی کیتوزان و دماهای مختلف (5، 15 و25 درجه سانتی گراد) بعنوان راهکارهایی جهت افزایش ماندگاری رطب مضافتی در طی نگهداری (به مدت 60 روز) استفاده شد و هر 3 روز اسیدیته خرماها اندازه گیری شد. ازن، پوشش خوراکی کیتوزان و دماهای مختلف به عنوان ورودی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. نتایج این تحقیق نشان داد، شبکه عصبی مصنوعی newff با توپولوژی 1-17-4 ضریب همبستگی 99264/0 و میانگین مربعات خطای 0013/0 با بکارگیری تابع فعال سازی تانژانت سیگموئید هایپربولیکی و الگوی یادگیری لونبرگ – مارکوات[1] به عنوان بهترین مدل عصبی در پیش بینی تغییرات میزان اسیدیته می باشد. در مجموع می توان گفت شبکه عصبی مصنوعی روشی قابل اطمینان برای مدل سازی و پیش بینی تغییرات اسیدیته خرما و محصولات مشابه می باشد.