تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال
نویسندگان
چکیده
هدف از این پژوهش، بر اورد ضر یب تبد یل شلتوک به برنج سفید در خشک کردن بستر سیال به کمک شبکه ها ی عصبی مصنوعی است . هفت عامل مؤثر در عملکرد خشک کن های بستر سیال به عنوان متغیرهای مستقل برای شبکه عصبی مصنوعی در نظر گرفته شد . این متغیرها عبارت اند از رطوبت نسبی هوای محیط، دمای هوای محیط، سرعت هوای ورودی، عمق بستر شلتوک، دمای هوای ورودی، رطوبت اولیه و رطوبت نهایی شلتوک. تعداد ٢٧٤ آزمایش برای ایجاد الگوهای آموزش و ارزیابی به وسیله یک خشککن آزمایشگاهی انجام گردید. سپس نمونه هایی از محفظه خشک کن جدا و عملیات پوست کنی و سفید کردن با دستگاه های آزمایشگاهی انجام گرفت. ضریب تبدیل میانگین، به عنوان ضریب تبدیل آزمایش منظور شد . از شبکه ها و الگوریتم های یادگیری متعدد برای آموزش الگوهای موجود استفاده شد . نتایج ٧ و الگوریتم آموزش لونبرگ - مارکوارت و تابع آستانه تانژانت -١٣-٧- بررسی ها نشان داد که شبکه پس انتشار پیشر و با توپولوژی ١ ٠ در شر ایط / ٩٥ درصد و خطای متوسط مطلق ٠١٩ / سیگمویید قادر است راندمان تبدیل شلتوک ر ا به برنج سفید با ضریب تعیین ٤٨ مختلف خشک کردن شلتوک در گستره بستر سیال پیش بینی نماید هم چنین نتایج نشان داد که دمای هو ای ورودی و میزان رطوبت نهایی شلتوک، بیشترین تأثیر را بر ضریب تبدیل شلتوک به برنج سفید در خشک کردن بستر سیال دارند.
منابع مشابه
پیش بینی ضریب تبدیل شلتوک به برنج سفید در خشک کردن به روش بستر ثابت به کمک شبکه های عصبی مصنوعی
هدف از این تحقیق پیشبینی ضریب تبدیل شلتوک به برنج سفید در خشک کردن به روش بستر ثابت به کمک شبکه های عصبی مصنوعی است. چند پارامتر در عملکرد خشک کن های بستر ثابت مؤثرند که به عنوان متغیرهای مستقل برای شبکة عصبی مصنوعی در نظر گرفته شدهاند. این متغیرها عبارتاند از رطوبت نسبی هوای محیط، دمای هوای محیط، سرعت هوای ورودی، عمق بستر شلتوک، دمای هوای ورودی، رطوبت اولیه و رطوبت نهایی. برای ایجاد الگو...
متن کاملتخمین پارامترهای خشک کردن گوجه فرنگی با کمک شبکه های عصبی مصنوعی
در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهتری...
متن کاملتخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی
انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عصبی مصنوعی است که یکی ازتکنیکهای هوش مصنوعی محسوب میشود. در این مدل بدون استفاده از معادلات پیچیده غیرخطی، میتوان دینا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تولید محصولات زراعی و باغیجلد ۱۳، شماره ۴۸، صفحات ۲۸۵-۲۹۸
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023