پيش‌بيني تاثير تيمارهاي ازن، كيتوزان و دما بر ميزان اسيديته خرماي مضافتي در طول دوره نگهداري با استفاده از شبكه عصبي مصنوعي

Predicting the effect of ozone, chitosan and temperature on acidity content of Mazafati date fruit during storage by using artificial neural network

رطب مضافتي يكي از ارقام شناخته شده و خوشمزه بوده كه معمولا جزو خرماهاي مرطوب طبقه‌بندي شده و به رنگ قرمز تيره متمايل به سياه و داراي بافت نرم مي‌باشد. اين خرما سومين رقم اقتصادي كشور بعد از سعمران و شاهاني بوده و با توجه به اهميت تغييرات ميزان اسيديته در كيفيت آن، در اين پژوهش تغييرات اسيديته در طول دوره نگهداري توسط شبكه عصبي مصنوعي پيش‌بيني گرديد. به همين منظور از گاز ازن، پوشش خوراكي كيتوزان و دماهاي مختلف (5، 15 و25 درجه سانتي‌گراد) بعنوان راهكارهايي جهت افزايش ماندگاري رطب مضافتي در طي نگهداري (به مدت 60 روز) استفاده شد و هر 3 روز اسيديته خرماها اندازه گيري شد. ازن، پوشش خوراكي كيتوزان و دماهاي مختلف به عنوان ورودي شبكه عصبي مصنوعي مورد استفاده قرار گرفتند. نتايج اين تحقيق نشان داد، شبكه عصبي مصنوعي newff با توپولوژي 1-17-4 ضريب همبستگي 99264/0 و ميانگين مربعات خطاي 0013/0 با بكارگيري تابع فعال‌سازي تانژانت سيگموئيد هايپربوليكي و الگوي يادگيري لونبرگ – ماركوات[1] به عنوان بهترين مدل عصبي در پيش‌بيني تغييرات ميزان اسيديته مي‌باشد. در مجموع مي‌توان گفت شبكه عصبي مصنوعي روشي قابل اطمينان براي مدل‌سازي و پيش‌بيني تغييرات اسيديته خرما و محصولات مشابه مي‌باشد.

Mazafati date is one of the most famous and delicious date varieties which has been classified as soft dates. It has a dark red and Soft tissue. This date is third economic variety of our country after Saamaran and Shahani. Regarding to the importance of acidity level the changes of acidity level during storage was predicted by neural network . In doing so , ozone gas , the edible coating of chitosan and different temperatures (5,15,25 oC) were used as strategies to increase durability of Mazafati date during 60 days, and dates acidity was measured every 3 days . Ozone , chitosan coating and different temperatures were used as in put of network. The results showed that newff artificial network with topology of 1-17-4 , the correlation coefficient of 0.99 and error square mean of 0.0013 by applying hyperbolic sigmoid tangent function and learning pattern of levenberg marquardt is considered as the best neural model in predicting the changes of acidity level. Generally , it can be said that artificial neural network is a reliable method to model and predict the changes of date acidity and similar products