هدی شهیری طبرستانی - گرگان-میدان بسیج- دانشگاه علوم کشاورزی و منابع طبیعی گرگان -دانشکده صنایع غذایی
یحیی مقصودلو - گرگان-میدان بسیج-دانشگاه علوم کشاورزی و منابع طبیعی-دانشکده صنایع غذایی
علیرضا صادقی ماهونک - گرگان-میدان بسیج-دانشگاه علوم کشاورزی و منابع طبیعی-دانشکده صنایع غذایی
علی معتمدزادگان - ساری- میدان خزر- کیلومتر ۹ جاده فرح آباد- مجتمع کشاورزی و منابع طبیعی

در تحق یق حاضر ، از تک نیک شبکه عصبی مصنوعی ANNs) به منظور پیش بینی تغییرات ویسکوزیته ژلات ین پوست ماه ی قزل آلا ی رنگ ینکمان ، در شش سطح دما یی ( 20 تا 60 درجه سان تیگراد) ، غلظت ها ی مختلف ژلا تین تو لیدی ( 0,5 تا 4 %) و زمان ها ی پیش فراور ی پوست در سود و اسید 3-1 ساعت ساعت) استفاده شد.جهت ایجاد مدل ها ی شبکه عص بی مصنوع ی، داده ها به سه بخش آموزش ی ( 70 % )، اعتبار سنج ی( 10 % )و آزمون ( 20 %) تقس یم شد و شبکه عصبی چند لا یه پرسپترون به منظور مدل ساز ی ویسکوزیته بر اساس پارامترهای مستقل دما وغلظت ژلات ین و نی ز زمان پ یش فراور ی، ایجادشد . ساختاربندی به ینه مدل شبکه عص بی مصنوع ی، با تغ ییر پارامتر های مختلف شبکه ازجمله نوع تابع ؛قوانین یادگیری ؛تعداد نرون ها و لای ه ها ی می انی شکل گرفت . معیار انتخاب بهتر ین شبکه ، بیشترین ضر یب ت بیین و کمتر ین مقدار متوسط مربع خطاMSE) بود.در پیش بینی و یسکوزیته ، شبکه 3لایه با ساختار 4 -4-7 بهترین نتیجه را با مقادیر ضریب تبیین MSE 0 و 0/9819 ، 0/0007 داد. از نتایج تحقیق می توان در طراح ی پمپ ها و خطوط انتقال بهره گرفت.

ژلاتین ، ویسکوزته ، شبکه عصبی مصنوعی