مدل سازی برخی از خصوصیات شیمیایی روغن سیاه دانه تحت تاثیر پیش تیمار مایکروویو و سرعت دورانی پرس مارپیچی

در این تحقیق به منظور مدل سازی شبکه های عصبی مصنوعی فرایند استخراج روغن از دانه های سیاه دانه به کمک پیش تیمار مایکروویو از زمان های مختلف فرایند (90، 180 و 270 ثانیه) و توان های مختلف (180، 540 و 900 وات) استفاده گردید. بعد از اعمال این پیش تیمارها، روغن دانه ها با پرس مارپیچی و با سرعت های متفاوت (11، 34 و 57 دور در دقیقه) استخراج شد و میزان راندمان استخراج، اندیس اسیدی و اسیدیته، رنگ و پایداری اکسیداتیو نمونه ها مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزارشبکه های عصبی مصنوعی در نرم افزار Matlab R2013a استفاده شد. با بررسی توپولوژی های مختلف شبکه عصبی، شبکه پس انتشار پیشخور با توپولوژی های 3-10-5 با ضریب همبستگی بیشتر از 995/0 و میانگین مربعات خطای کمتر از 0005/0 و با بکارگیری تابع فعال سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدل های بهینه انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا )بیش از 949/0( قادر به پیش بینی روند تغییرات بودند.