استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات

هدف از این پژوهش، بررسی تاثیر پارامتر های زمان، نوع عصاره، غلظت عصاره و دمای محیط بر دینامیک جمعیت باکتری اشرشیا کلی در یک سیستم کمپکلس غذایی (سوسیس فرانکفورتر) و مدل سازی آن به وسیله ژنتیک الگوریتم- شبکه عصبی مصنوعی و سیستم های نورو فازی (CANFIS) می باشد. در این پژوهش، از روش رقت سازی در چاهک برای تعیین حداقل غلظت مهار کنندگی (MIC) و حداقل غلظت کشندگی (MBC) عصاره های آبی و اتانولی قره قات استفاده شد. مدل ژنتیک الگوریتم- شبکه عصبی و سیستم نوروفازی (CANFIS) دارای چهار ورودی شامل، غلظت در پنج سطح (صفر، 2000، 4000، 6000، 8000 ppm)، نوع عصاره (آبی، اتانولی)، دما در سه سطح (5، 15 و 25 درجه سانتی گراد)، و زمان (صفر تا 20روز) بود. نتایج نشان داد شبکه عصبی با یک لایه مخفی، 10 نورون در لایه مخفی، تابع فعال سازی از نوع تانژانت هیپربولیک، قاعده یادگیری مومنتوم، درصد داده های 30، 30، 40 به ترتیب برای آموزش، ارزیابی و آزمون برای پیش بینی دینامیک جمعیت باکتری اشرشیای کلی به کار رود (995/ 0 =R2). همچنین همبستگی بسیار مناسبی بین پیش بینی های سیستم نوروفازی و داده های تجربی وجود داشت(96/ 0 =R2). لازم به ذکر است که در این پژوهش سیستم ژنتیک الگوریتم- شبکه عصبی به شیوه مناسب تری قادر به پیش بینی دینامیک جمعیت باکتری اشرشیا کلی بود.