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

سابقه و هدف: 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 نگرانی‌های مهم تولیدکنندگان و مصرف کنندگان است. لذا این مطالعه با هدف مدل‌سازی پایداری اکسیداسیون روغن زیتون با استفاده شبکه‌های عصبی مصنوعی به منظور به بهبود فرآیند کنترل کیفیت این محصول انجام شد.مواد و روشها: در این مطالعه از روش شبکه عصبی پیش‌خور برای پیش‌بینی پایداری اکسیداسیونی روغن زیتون در طی نگهداری استفاده شد. در ساختار شبکه عصبی پارامترهای اسیدیته، عدد پراکسید، ترکیبات فنلی، ضریب خاموشی k‏232 و ساختار اسیدهای چرب اشباع و غیراشباع به عنوان ورودی و ضریب خاموشی k270 به‌عنوان خروجی در نظر گرفته شد.یافتهها: بهترین مدل شبکه عصبی پیش‌خور 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 پیش‌خور در روزهای (30 120 210 300 420) به ترتیب 936/0، 955/0، 957/0،974/0و 9769/0 و میانگین مربعات خطا 0057/0، 0015/0، 0012/0، 00974/0و 0062/0 بود.نتیجه گیری: تجزیه و تحلیل مدل نشان داد که شبکه عصبی پیش‌خور یک ابزار قدرتمند برای پیش‌بینی پایداری اکسیداسیونی روغن زیتون در طول نگهداری است.واژگان کلیدی: ثبات اکسیداسیونی، شبکه عصبی مصنوعی، روغن زیتون بکر