مدل‌سازی اثر آسکوربات کلسیم بر خصوصیات پس از برداشت قارچ دکمه‌ای با استفاده از الگوریتم ژنتیک- شبکه عصبی مصنوعی

Abstract

در این پژوهش مدل‌سازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمه‌ای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی مورد‌‌بررسی قرار گرفت. آسکوربات کلسیم در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در دوره پس از برداشت مؤثر می‌باشد. لذا در این مطالعه ابتدا قارچ‌های دکمه‌ای توسط محلول آسکوربات کلسیم با دمای 45 درجه سانتی‌گراد در سه سطح 0، 4/0 و 8/0 درصد تیمار شدند و بعد از خشک شدن در دمای اتاق و 1 درجه سانتی‌گراد با رطوبت نسبی 90 درصد نگه‌داری گردیدند. صفات کیفی قارچ دکمه‌ای پس از برداشت در روزهای صفر، 10، 15، 20 و 25 اندازه‌گیری شدند. مدل‌سازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمه‌ای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با دو ورودی (غلظت آسکوربات کلسیم و عمر قفسه‌ای) و 9 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، pH، کروما، زاویه هیو، EΔ، شاخص قهوه‌ای شدن و فنل کل) با استفاده از شبکه عصبی پرسپترون چند لایه انجام شد. نتایج نشان‌ داد شبکه‌ای با تعداد 12 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند اثر آسکوربات کلسیم بر ویژگی‌های قارچ دکمه‌ای را با میانگین ضریب همبستگی برابر با 95/0 تخمین زند. نتایج آنالیز حساسیت با شبکه عصبی بهینه (9-12-2)، عمر قفسه‌ای را به‌عنوان مؤثرترین عامل در پیش‌بینی صفات قارچ دکمه‌ای طی پس از برداشت مشخص نمود.