صدمه کوفتگی ناشی از ضربه جزو انواع اصلی صدمات مکانیکی پس از برداشت میوه میباشد. مدلهای پیش بینی حجم کوفتگی برای کاربردی کردن شبیه سازی المان گسسته که صدمه کوفتگی را در هنگام حمل و نقل شبیه سازی میکند ضروری است. مدلهای پیش بینی کوفتگی اطلاعات مفیدی در مورد اثر فاکتورهای میوه (مانند رسیدگی) بر حساسیت به کوفتگی می دهد به طوریکه این اطلاعات نهایتا منجر به توصیههای کاربردی جهت حمل و نقل میوه ها می گردد. در این پژوهش مدلهای پیش بینی کوفتگی برای سیب رقم زرد لبنانی تعیین گردید. از حجم کوفتگی بهعنوان شاخص صدمه کوفتگی استفاده شد. هدف از این تحقیق ارزیابی شبکه عصبی مصنوعی تابع پایه شعاعی در پیشبینی حجم کوفتگی سیب می باشد. در این تحقیق از داده های تجربی 120عدد سیب استفاده گردید. پارامترهای بهینه برای شبکه عصبی مصنوعی تابع پایه شعاعی از طریق روش آزمون و خطا بر روی داده های موجود انتخاب گردید. جهت ارزیابی مدل تابع پایه شعاعی و مدل رگرسیونی در پیشبینی حجم کوفتگی سیب، علاوه بر رگرسیون خطی، از بعضی آزمونهای آماری نظیر مقایسه میانگینها، واریانس و توزیع آماری بین داده های واقعی و داده های پیش بینی شده بوسیله مدل شبکه عصبی مصنوعی تابع پایه شعاعی استفاده شد.نتایج نشان داد که مدل تابع پایه شعاعی نسبت به مدل رگرسیونی از دقت بالاتری در پیشبینی حجم کوفتگی سیب برخوردار است

کلمات کلیدی