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
Rafiei Nazari R, Arabameri M, Nouri L. Modeling and Predicting the Oxidative Stability of Olive Oil during the Storage Time at Ambient Conditions Using Artificial Neural Network. Iranian J Nutr Sci Food Technol 2015; 10 (1) :71-80 URL: http://nsft.sbmu.ac.ir/article-1-1748-fa.html
رفیعی نظری روشنک، عرب عامری مجید، نوری لیلا. مدلسازی و پیش بینی پایداری اکسیداسیون روغن زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکه عصبی مصنوعی. علوم تغذیه و صنایع غذایی ایران. 1394; 10 (1) :71-80