کاربرد سیستم استنتاجی عصبی-فازی تطبیقی در پیش‌بینیِ فرسایش بیولوژیکیِ ناشی از فعالیت قارچ آلترناریا آلترناتا در کاغذهای تاریخی
کاربرد سیستم استنتاجی عصبی-فازی تطبیقی در پیش‌بینیِ فرسایش بیولوژیکیِ ناشی از فعالیت قارچ آلترناریا آلترناتا در کاغذهای تاریخی
عنوان فارسی :
کاربرد سیستم استنتاجی عصبی-فازی تطبیقی در پیش‌بینیِ فرسایش بیولوژیکیِ ناشی از فعالیت قارچ آلترناریا آلترناتا در کاغذهای تاریخی
عنوان انگلیسی :
Application of adaptive neural fuzzy inference system for predicting bio-deterioration of historical papers due to alternaria alternate
چکیده:
هدف: هدف اصلی این مطالعه پیش‌بینی خطر رشد قارچ آلترناریا آلترناتا در کاغذهای تاریخی با استفاده از مدل ریاضی است. روش/ رویکرد پژوهش: با استفاده از روش سیستم استنتاجی عصبی-فازی تطبیقی مدل‌سازی ریاضی شده است. برای مدل‌سازی از نتایج مطالعات تجربی محسنیان و همکاران (1397) استفاده شده است. برای اعتبارسنجی مدل از معیارهای ارزیابی مختلفی شاملِ ضریب همبستگی (R2)، میانگین مربّعات خطا (MSE)، و جذر میانگین مربّعات خطا (RMSE) استفاده شده است. یافته‌ها و نتیجه‌گیری: ضریب همبستگی (R2) نزدیک به یک (1) و میانگین مربّعات خطا (MSE) و جذر میانگین مربّعات خطا (RMSE) نزدیک به صفر (0) است. بنابراین مدل طراحی‌شده در پیش‌بینی رشد قارچ آلترناریا آلترناتا از دقت و صحت کافی برخوردار است. پیشنهاد می‌شود از روش سیستم استنتاجی عصبی-فازی تطبیقی برای پیش‌بینی خطر رشد قارچ آلترناریا آلترناتا در کاغذهای تاریخی استفاده شود.
چکیده انگلیسی:
Purpose: To explore predictability of growth rate of alternaria alternata in paper by ANFIS to control the bio-deterioration. Mathematical modeling by adaptive neural fuzzy inference system (ANFIS) has proved to be a valuable tool in predicting fungal growth rate in the fields of microbiology and food industry. This method is an alternative way to the classic means of incubation in biotechnology. However, the modeling of filamentous fungi has not received the same level of attention in controlling filamentous fungi in the paper art works. Method and Research Design: The combined effect of temperature (5-10°C), aw (0.8-0.99), pH (3-9) and time (24-268h) on A. alternata growth rate in paper art works was modeled by ANFIS. MTLAB, 2018a Software was employed for the purpose of analysis. Findings and Conclusion: From comparisons between experimental data results, growth rates predicted by ANFIS were confirmed, because of the high accuracy of the Gaussian membership function. Also, the ANFIS model is a useful tool for quickly predicting the growth rate of A. alternata in paper art works.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
