مدل‌سازی روند تغییرات شاخص‌های فیزیکوشیمیایی، بافتی و حسی ماست غنی‎شده با آهن و روی توسط شبکه‌های عصبی مصنوعی

Abstract

در این ‌پژوهش جهت تعیین مدلی برای پیش‌بینی روند تغییرات خصوصیات مختلف ماست غنی‎شده با آهن و روی، محصول مایه‌خورده با غلظت‌های برابر 20، 40 و 60 میلی‌گرم این املاح به ازای یک کیلوگرم شیر غنی‌سازی شدند و نمونه‌ها در دوره‌های زمانی 1، 7 و 14 روز مورد آزمون قرار گرفتند. ویژگی‎های فیزیکوشیمیایی (اسیدیته، pH، آب‎دهی، ظرفیت نگهداری آب و ویسکوزیته)، ویژگی‌های بافتی (سختی، فنریت، نیروی چسبندگی و پیوستگی) و حسی (طعم، بو، رنگ، بافت و پذیرش کلی) نمونه‎ها مورد بررسی قرار گرفت و جهت پیش‌بینی روند تغییرات از ابزار شبکه‌های عصبی مصنوعی در نرم‌افزار MATLAB R2013a استفاده شد. با بررسی شبکه‌های مختلف به‎ترتیب برای ماست غنی‌شده با آهن و روی شبکه‌های پس‌انتشار پیش‎خور با توپولوژی‌های 2-2-3-14 و 2-4-14 با ضرایب همبستگی 0/997 و 0/991 و میانگین مربعات خطای 0/4090 و 0/1040 با به‎کارگیری تابع فعال‌سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ-مارکوات و چرخۀ یادگیری 1000 به‎عنوان بهترین مدل‌های عصبی مشخص گردیدند. نتایج حاصل از مدل‌های بهینۀ انتخاب‎شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0/98) و انحراف معیار میانگین بسیار پایین قادر به پیش‌بینی روند تغییرات بودند.