پیش‌بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

Authors

Abstract:

سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی‌های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی‌های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه‌های عصبی مصنوعی در آموزش‌پذیری و پردازش موازی داده‌ها با روابط غیر خطی، هدف از این پژوهش تهیۀ مدل‌هایی مناسب به منظور پیش‌بینی خصوصیات رئولوژیکی خمیر با توجه به ویژگی‌های فیزیکوشیمیایی آرد است. مواد و روشها: طیف وسیعی از آردهای تهیه شده در کارخانه‌های مختلف کشور جمع‌آوری و هفت ویژگی فیزیکوشیمیایی آنها مورد ارزیابی قرار گرفت. آزمون‌های نوسانی روبش کرنش و روبش فرکانس بر خمیر حاصل از نمونه‌ها انجام و دو پارامتر مهم حاصل از آنها به منظور مدل‌سازی انتخاب شدند. پس از آموزش شبکه‌‌ها و تعیین پارامترهای آنها با استفاده از الگوریتم بهینه‌ساز ژنتیک و آزمودن هر شبکه، بررسی حساسیت پارامترهای خروجی به فاکتورهای ورودی شبکه صورت گرفت. یافتهها: شبکه‌های طراحی شده از انواع پرسپترون چهار لایه ای هستند که اولی با حذف دو پارامتر گلوتن مرطوب و اندیس ابعاد ذرات آرد، دارای 5 نرون در لایۀ ورودی و 15 نرون در لایه‌های پنهان اول و دوم جهت پیش‌بینی عرض از مبدأ و دومی با 7 نرون لایه ورودی، 24 نرون در لایۀ پنهان اول و 17 نرون در لایۀ پنهان دوم جهت پیش‌بینی شیب مدل برازش یافته بر روبش فرکانس مورد استفاده قرار گرفت. با استفاده از شبکه‌های گسترش یافته، پیش‌بینی خصوصیات رئولوژیکی خمیر با ضریب همبستگی بیش از 97% صورت گرفت. اندیس گلوتن و عدد زلنی به عنوان مؤثرترین پارامترها بر تغییر ویژگی‌های رئولوژیکی خمیر شناسایی شدند. نتیجه گیری: شبکه‌های عصبی مصنوعی-الگوریتم ژنتیک ابزار توانمندی در پیش‌بینی خصوصیات رئولوژی خمیر هستند. آزمون حساسیت شبکه بهینه به‌خوبی اهمیت پیش‌بینی کنندگی ویژگی‌های فیزیکوشیمیایی آرد بر تغییرات خصوصیات رئولوژیکی بنیادی خمیررا نشان می‌دهد. واژگان کلیدی: شبکه عصبی مصنوعی، الگوریتم ژنتیک، رئولوژی خمیر، ویژگی‌های فیزیکوشیمیایی آرد

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از این پژوهش تهیۀ مدل هایی مناسب به منظور پیش بینی خصوصیات رئولوژیکی خمیر با توجه به ویژگی های فیزیکوشیمیایی آرد است. موا...

full text

پیشبینی قیمت تسویه بازار برای خوشه های زمانی رقابت پذیری بازار با استفاده از شبکه عصبی بهبود یافته با الگوریتم ژنتیک: مطالعه بازار برق ایران

با قانون‌زدایی بازار و شکل‌گیری بازار روز بعد انرژی، در هرروز تولیدکنندگان انرژی اقدام به ارائه پیشنهاد قیمت خود برای هر واحد به تفکیک ساعت، در حداکثر 10 پله به مدیریت‌شبکه می‌کنند و مدیریت‌شبکه با تعیین میزان تقاضا در روزبعد، قیمت‌تسویه بازار برای روز آتی را به همراه برندگان بازار اعلام می‌کند و بر اساس قیمت پیشنهادی تولیدکنندگان با آنها تسویه می‌کند. از این رو پیشبینی قیمت تسویه بازار برای شر...

full text

پیش‌بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی

خشکسالی به‌عنوان یکی از مهم‌ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به‌منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستم‌های پیش‌بینی خشکسالی است که بتوان اثرات مخرب ناشی از آن را به حداقل رساند. به این منظور در این تحقیق...

full text

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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 10  issue 3

pages  67- 77

publication date 2015-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023