پیش‌بینی 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 طبقه‌بندی شده و به رنگ قرمز تیره متمایل به سیاه و دارای بافت نرم می‌باشد. 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 پیش‌بینی گردید. به همین منظور از گاز ازن، پوشش خوراکی کیتوزان و دماهای مختلف (5، 15 و25 درجه سانتی‌گراد) 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 1174 ضریب همبستگی 0.99264 و میانگین مربعات خطای 0.0013 با بکارگیری تابع فعال‌سازی تانژانت سیگموئید هایپربولیکی و الگوی یادگیری لونبرگ – مارکوات به عنوان بهترین مدل عصبی در پیش‌بینی تغییرات میزان اسیدیته می‌باشد. در مجموع می‌توان گفت شبکه عصبی مصنوعی روشی قابل اطمینان برای مدل‌سازی و پیش‌بینی تغییرات اسیدیته خرما و محصولات مشابه می‌باشد.