مقایسه‌ی توابع لگاریتم سیگموئید و تانژانت هیپربولیپک در مدل‌سازی استخراج روغن از سیاه دانه به کمک پیش‌تیمار میدان الکتریکی متناوب(pef)

در این تحقیق به منظور مدل‌سازی فرایند استخراج روغن از دانه‌های سیاه‌دانه به کمک پیش‌تیمار میدان الکتریکی متناوب از سه سطح شدت میدان الکتریکی (0.25، 3.25 و 6.25 kv/cm ) و سه سطح تعداد پالس (10، 30 و 50) استفاده گردید و بعد از اعمال این پیش‌تیمارها، روغن دانه‌ها با پرس مارپیچی و با سرعت‌های متفاوت (11، 34 و 57 دور در دقیقه) استخراج گردید و میزان راندمان و کارایی فرایند استخراج روغن، مقدار رنگ، ضریب شکست و میزان پروتئین نمونه‌ها مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزارشبکه‌های عصبی مصنوعی در نرم‌افزار matlab r2013a استفاده شد. با بررسی شبکه‌های مختلف شبکه‌ی پس‌انتشار پیشخور با توپولوژی‌های 3-8-5 با ضریب همبستگی بیشتر از 0.987 و میانگین مربعات خطای کمتر از 0.0002 و با بکارگیری تابع فعال‌سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینه‌ی انتخاب شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0.980) قادر به پیش‌بینی روند تغییرات بودند.