ارزیابی و مدل سازی سینتیک خشک شدن خرما رقم مضافتی با استفاده از شبکه عصبی مصنوعی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
- author محمد حسین انصاری فر
- adviser محمد حسین آق خانی محمد طبسی زاده محمود رضا گلزاریان
- publication year 1393
abstract
یکی از پارامترهای موثر در آنالیز طراحی و بهینه سازی خشک کن ها، پیش بینی و مدل کردن فرآیند خشک کردن می باشد. شبکه های عصبی مصنوعی قدرت تأمین دقت و سرعت لازم برای پیش بینی فرآیند خشک کردن را دارند. از این رو در این تحقیق به بررسی فرآیند سینتیک خشک کردن، مدل سازی با شبکه عصبی مصنوعی، بدست آوردن ضریب انتشار رطوبتی موثر، تعیین بهترین مدل ریاضی، بدست آوردن انرژی فعال سازی برای خرما رقم مضافتی در خشک کن کابینتی پرداخته شد. آزمایش های خشک شدن در سه سطح دمایی 50، 65 و 80 درجه سلسیوس و سه سطح سرعت جریان هوا 1، 5/1 و 2 متر بر ثانیه انجام شد. تأثیر دما و سرعت هوا بر پارامترهای زمان، چروکیدگی و تغییر رنگ خرما در قالب آزمایش های فاکتوریل در پایه طرح کاملاً تصادفی بررسی شد. نتایج بدست آمده نشان داد که اثر دما و سرعت هوا بر فرآیند خشک شدن و تغییر رنگ خرما معنی دار می باشد. به طور متوسط افزایش دما از 50 به 80 درجه سلسیوس 77/70% زمان خشک شدن را کاهش داد و دمای 65 درجه از نظر پارامتر های رنگ سنجی دمای مناسب مشاهده شد. برای فرآیند مدل سازی ریاضی 8 مدل تجربی بر داده های آزمایشگاهی برازش داده شد سپس با توجه به بزرگ ترین مقدار ضریب تعیین (r2)، کمترین مقدار مربع کای (?2) و ریشه میانگین مربعات خطا (rmse) بهترین مدل ریاضی با دقت بالا انتخاب شد. نتایج حاصل از تحلیل رگرسیونی مدل های مورد بررسی، نشان داد که مدل پیج بهترین برازش را با داده های بدست آمده دارد. همچنین کمترین ضریب نفوذ رطوبتی موثر 10-10×309/4 در دمای 50 درجه سلسیوس و بیشترین مقدار 9-10×889/1 در دمای 80 درجه سلسیوس بدست آمد. مقدار انرژی فعال سازی بدست آمده در خشک کردن خرمای مضافتی از 21/31 تا 27/42 کیلو ژول بر مول مشاهده شد. برای پیش بینی نسبت رطوبت در طی فرآیند خشک شدن، شبکه عصبی مصنوعی با چهار نرون در لایه ورودی (زمان خشک شدن، سرعت هوای گرم، رطوبت نسبی هوا و دمای خشک کن) و یک نرون در لایه خروجی (نسبت رطوبت) طراحی شد. تعداد 280 الگوی داده برای ساخت شبکه عصبی به دو سری داده های آموزش و آزمون تقسیم شدند. در این طرح از وارسی اعتبار (cross validation) برای تعلیم و آزمون شبکه استفاده شد. برای کاهش خطای انتخاب داده ها، در حدود هشتاد درصد داده ها (224) الگو به صورت تکرارشونده صرف آموزش و مابقی (56) الگو برای آزمون و ارزیابی شبکه بکار گرفته شد. در طی فرآیند یادگیری، میزان فراگیری شبکه توسط معیارهای خطایی مرتباً سنجیده و درنهایت شبکه ای مورد پذیرش قرار گرفت که دارای کمترین خطا بود. شبکه های پس انتشار پیشخور(ffbp) و پس انتشار پیشرو (cfbp) با توابع آستانه سیگموئیدی و خطی مورد استفاده قرار گرفتند. نتایج ارزیابی توپولوژی های مختلف نشان داد که بهترین شرایط مربوط به شبکه (ffbp) با توپولوژی 1-8-7-4، تابع آستانه تانژانت هایپربولیک سیگموئید (tansig) و الگوریتم یادگیری لونبرگ-مارکوارت(lm) می باشد. زیرا در بین تمامی شبکه ها داری کمترین میزان میانگین مربع خطا(mse) 0011/0 ، میانگین خطای مطلق(mae) 0361/0 و بیشترین ضریب همبستگی(r) 9939/0 است.
similar resources
شبیه سازی مدل سینتیک خشک شدن بستر نازک پرتقال رقم تامسون با استفاده از شبکه های عصبی مصنوعی
چکیده مرکبات به ویژه پرتقال جایگاه بسیار مهمی را در میان تولیدات کشاورزی در دنیا به خود اختصاص دادهاند. در این تحقیق خشک کردن بستر نازک پرتقال رقم تامسون بهوسیله شبکه عصبی مصنوعی مدلسازی شد؛ برای این منظور از خشک کن آزمایشگاهی استفاده گردید. توده بستر نازک ورقه های پرتقال با پنج دمای 40 ،50 ،60 ،70 و80 درجه سانتی گراد و سه سرعت هوای 5/0 ،1 و 2 متر بر ثانیه و سه ضخامت 2 ،4 و 6 میلی متر خشک شد....
full textمدل سازی پارامترهای کیفی توت سفید در فرآیند خشک شدن با استفاده از شبکه عصبی مصنوعی
توت سفید یکی از میوه های سرشار از قند مفید بوده و از راه های نگه داری این محصول خشک کردن می باشد. امروزه شبکه های عصبی مصنوعی در مدل سازی خشک کردن در حال رشد و توسعه است. پژوهش حاضر با هدف مدل سازی کیفیت خشک شدن توت سفید توسط شبکه عصبی انجام گردید. آزمایش های خشک کردن توسط خشک کن جریان هوای داغ در دو رطوبت اولیه (1± 85% و 1±80%) و در سه دمای 50، 60 و70 درجه سلسیوس و سه جریان هوای 5/1، 2و 5/2 م...
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 textبررسی سینتیک خشک شدن و ضریب انتشار رطوبت مؤثر خرما رقم مضافتی در خشک کن خورشیدی کابینتی
چکیده در این تحقیق به بررسی فرآیند سینتیک خشک کردن، به دست آوردن ضریب انتشار رطوبتی مؤثر، تعیین بهترین مدل ریاضی و به دست آوردن انرژی فعال سازی برای خرما رقم مضافتی در خشک کن خورشیدی کابینتی پرداخته شد. آزمایش های خشک شدن در سه سطح دمایی 50، 65 و 80 درجه سلسیوس و سه سطح سرعت جریان هوا 1، 5/1 و 2 متر بر ثانیه انجام شد. تأثیر دما و سرعت هوا بر پارامتر زمان و چروکیدگی در قالب طرح کاملاً تصادفی بررس...
full textسینتیک خشک کردن چای با استفاده از مدل شبکه عصبی مصنوعی
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 ور...
full textمدلسازی پارامترهای کیفی توت سفید در فرآیند خشک شدن با استفاده از شبکه عصبی مصنوعی
توت سفید یکی از میوههای سرشار از قند مفید بوده و از راههای نگهداری این محصول خشک کردن میباشد. امروزه شبکههای عصبی مصنوعی در مدلسازی خشککردن در حال رشد و توسعه است. پژوهش حاضر با هدف مدلسازی کیفیت خشکشدن توت سفید توسط شبکه عصبی انجام گردید. آزمایشهای خشککردن توسط خشککن جریان هوای داغ در دو رطوبت اولیه (1± 85% و 1±80%) و در سه دمای 50، 60 و70 درجه سلسیوس و سه جریان هوای 5/1، 2و 5/2 م...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023