این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فرآوری و نگهداری مواد غذایی، جلد ۸، شماره ۲، صفحات ۲۵-۴۲
عنوان فارسی پیش بینی و اطمینان از کیفیت روغن زیتون بکر با استفاده از سامانه استنتاج فازی– عصبی تطبیقی
چکیده فارسی مقاله تخمین پارامترهای کیفی روغن زیتون دارای اهمیت ویژه‌ای در روش‌های کنترل کیفیت مدرن است یکی از مهم‌ترین مشکلات در هنگام پیش بینی کیفیت روغن در طی نگهداری، پیچیدگی ویژگی‌های فیزیکو شیمیایی ماده اولیه و اختلاف داده ها به علل مختلف است. مدل‌سازی پایداری اکسایشی روغن زیتون با استفاده از سامانه استنتاج فازی– عصبی تطبیقی می‌تواند به بهبود فرآیند کنترل کیفیت این محصول کمک کند. ثبات اکسایشی یکی از پارامترهای مهم کنترلی در روغن زیتون است. در طراحی مدل پارامترهای اسیدیته، عدد پراکسید، ترکیبات فنلی، ضرایب خاموشی k‏232 به عنوان ورودی و ضریب خاموشی k270 بعنوان خروجی در نظر گرفته شد. همچنین برای بهینه سازی مدل از توابع عضویت مختلف، تعداد توابع عضویت و سیکل های یادگیری متعددی به شکل آزمون و خطا مورد استفاده قرار گرفت. بهترین مدل با استفاده از تابع عضویت ذوزنقه ای، تعداد توابع 3 3 3 3 3 و چرخه یادگیری 50 بدست آمد که دارای کمترین میانگین مربعات خطا 0012/0 و بهترین ضریب رگرسیون (R2) 997/0بود. تجزیه و تحلیل مدل نشان داد که سامانه استنتاج فازی – عصبی تطبیقی یک ابزار قدرتمند برای پیش بینی پایداری اکسایشی روغن زیتون بکر است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction and Assurance of Virgin Olive Oil Quality by using the adaptive neuro fuzzy inference system (ANFIS)
چکیده انگلیسی مقاله The prediction of olive oil quality parameters is of great importance in Modern Approaches to Quality Control. One of the main problems when predicting oil quality during storage is the complexity of the physicochemical properties of raw material and the difference of data to various causes. Modeling oxidative stability of olive oil with fuzzy inference neural adaptation can help to improve the quality control process this product. One of the important parameters controlling of olive oil is oxidative stability. Parameters of the model design were used Acidity, peroxide value (PV) specific extinction coefficient K232, phenolic compounds as input variables and the extinction coefficient k270 as the output. In order to develop ANFIS model were used various membership functions types, number of membership functions, learning algorithms, learning cycles, Different membership function types by trial and error. The best model using trapezoidal membership functions, and 3 3 3 3 3 numbers of memberships and 50 training cycle were obtained that it was determined least mean square error 0.0012 and the best regression coefficient 0.997.Analysis of the model revealed that the Adaptive neuro fuzzy inference system a powerful tool to predict the oxidative stability of olive oil.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله روشنک رفیعی نظری | rafiei nazari
دانشگاه آزاد اسلامی دامغان
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی دامغان (Islamic azad university of damghan)

حسن کاکویی |
shclhk ybh , nhv,

مجید عرب عامری |
دانشگاه علوم پزشکی شاهرود
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شاهرود (Shahrood university of medical sciences)

نشانی اینترنتی http://ejfpp.gau.ac.ir/article_3444_f787ae6fdb40f6db4012872efa55b3d1.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/997/article-997-340638.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات