سینتیک خشک کردن چای با استفاده از مدل شبکه عصبی مصنوعی
Authors
abstract
چکیده خشک کردن برگ چای برای نگهداری طولانی مدت از ملزومات می باشد. برگ سبز چای درمحدوده دماهای 35 تا 55 درجه سلسیوس و سرعت های 5/0و7/. متر بر ثانیه هوای ورودی و بازه ی زمانی 0تا 140 دقیقه دریک فرآیند خشک کن آزمایشگاهی خشک شد. بدین منظور 4 نمونه برای هر دما در نظرگرفته شد و تغییرات وزن نمونه ها به طور پیوسته در هر آزمایش ثبت شد. فرآیند خشک کردن چای به روش شبکه های عصبی مصنوعی با چهار بردار ورودی (زمان دما، سرعت و رطوبت) و یک بردار خروجی (نسبت رطوبت) مدلسازی شده است و نتا یج به دست آمده از شبکه عصبی مصنوعی باداده های تجربی مقایسه شدند و بهترین نتیجه توسط شبکه عصبی پس انتشارپ یشخور با الگور یتم آموزش لونبرگ-مارکواردت و تابع فعالسازی تانژانت سیگموئید به دست آمد که نشان دهنده دقت بالای شبکه عصبی مصنوعی است. خطای درصد نسبی میانگین و ضریب تعیین و خطای مجذور مربعات میانگین به ترتیب 3/1و 9998/0و 00008/0 می باشد.
similar resources
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
full textتخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال
The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...
full textتخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال
The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...
full textمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °c 25 تا °c 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
full textمدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
full textتحلیل و پیشبینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)
شبکههای عصبی مصنوعی بهعنوان یکی از تکنیکهای غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی بهخود اختصاص دادهاند. تغییراقلیم و بهدنبال آن گرمایش جهانی از پدیدههای اقلیمی به شمار میرود. شمار روزهای خشک و تداوم آن خشکسالی را بهدنبال دارد. در این پژوهش از دادههای بارش روزانه طی سالهای (1976-2008) و شبکه عصبی مصنوعی در نرمافزار MATLAB بهمنظور پیشبینی شمار روزهای خشک ایستگاه تهران ...
full textMy Resources
Save resource for easier access later
Journal title:
علوم و صنایع غذایی ایرانPublisher: دانشگاه تربیت مدرس
ISSN
volume 13
issue 50 2015
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023