مقايسه مدل هاي رگرسيوني با شبكه عصبي در پيش بيني خواص كيفي سيب با پوشش خوراكي

به دليل توليد بالاي سيب در ايران و ضايعات نسبتا بالا، استفاده از روش هاي بهبود دهنده براي نگهداري آن ضرورت دارد. يكي از روش هاي مناسب به كارگيري پوشش هاي خوراكي نانوكامپوزيت ها با پايه ي گياهي مي باشد. هدف تعيين مدل مناسبي براي پيش-بيني تغييرات خواص كيفي سيب بر اساس شرايط و زمان انبارداري و نوع پوشش مي باشد. در اين راستا سيب زرد دماوند (گلدن دليشز) براي آزمايش ها انتخاب شد. بعد از پوشش دهي، نمونه هاي سيب در دو شرايط محيطي (C˚20 و رطوبت 30%) و سردخانه اي (C˚2 و رطوبت رطوبت 95%) به مدت شش ماه نگهداري شد. خواص كيفي ( pH، ميزان مواد جامد محلول) در طي انبارداري بررسي شد. همچنين مدل سازي خواص بر اساس داد ه هاي مستخرج از آزمايش ها توسط رگرسيون و شبكه عصبي انجام پذيرفت. در خواص كيفي مدل رگرسيون براي ميزان مواد جامد محلول جواب نداده و در pH نيز فقط در شرايط محيطي مناسب بود. بهترين مقدار R2 در pH براي مدل تركيبي 84/9% شد. الگوريتم trainbr بهترين عملكرد را داشت. با توجه به مقدار خطا بهترين توپولوژي در تابع tansig 8-10-6 و در تابع logsig با همان توپولوژي انتخاب شد. مقادير MSE و R براي اين دو مدل به ترتيب 0/0066 و 92/1 بدست آمد.