امکان سنجی استفاده از مدل های مختلف پیش بینی کننده در تخمین جرم دانه پسته و تعیین مناسب ترین مدل

شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، درجه بندی، جداسازی فرآوری و ذخیره این محصول ارزشمند نقش اساسی ایفاء می کند. در این مطالعه به منظور پیش بینی جرم دانه ی پسته از ابزارهای مختلف پیش بینی کننده شامل شبکه ی عصبی مصنوعی، ژنتیک الگوریتم، سطح پاسخ و رگرسیونی خطی استفاده گردید. نتایج نشان داد که کلیه ی مدل ها از دقت بالایی در تخمین وزن دانه ی پسته برخوردار بوده به طوری که مدل های شبکه ی عصبی پرسپترون، شبکه تابع پایه ی شعاعی، روش رگرسیون خطی، روش رگرسیون خطی-ژنتیک الگوریتم و روش سطح پاسخ-شبکه ی عصبی قادر بودند جرم دانه ی پسته را به ترتیب با ضرایب تبیین 9949/0، 914/0، 986/0، 995/0 و 945/0 پیش بینی نمایند. به طوری کلی مقایسه مدل های مورد بررسی نشان داد که مدل ترکیبی رگرسیونی-الگوریتم ژنتیک با ضریب تبیین 995/0 بالاترین دقت را داشت.