اثر پایدارکننده ها بر خصوصیات فیزیکی خامه قنادی و پیش بینی این خواص با استفاده از شبکه عصبی مصنوعی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
- author بابک فرجی گوگردچی
- adviser زهرا امام جمعه محمد الهی محبت محبی حسن جودکی
- publication year 1393
abstract
هدف از انجام این پژوهش، یافتن تاثیر صمغ زانتان، پودر ثعلب و موسیلاژ دانه قدومه شهری و شرایط مختلف تولید بر خواص فیزیکی خامه قنادی و پیش بینی این تاثیرات با استفاده از شبکه عصبی مصنوعی بود. پس از بررسیهای به عمل آمده، درصدهای مختلف هر صمغ و شرایط تولید مختلف تعیین شدند. مواد اولیه این تحقیق شامل خامه، شیر پس چرخ، شکر، لسیتین، صمغ زانتان، ثعلب و دانه قدومه شهری بودند. جهت بررسی تاثیر انواع صمغ های مختلف، سطوح آن ها و شرایط مختلف تولید، 52 تیمار تشکیل شدند و آزمون های فیزیکی (درصد افزایش حجم، مقدار آب اندازی، درصد افت ارتفاع) بلافاصله پس از تولید انجام شدند. بعد از 24 ساعت نگهداری خامه در دمای 5 درجه سانتی گراد مقدار گرانروی اندازه گیری شد و از چهار مدل مستقل از زمان توان، هرشل-بالکی، کاسون و بینگهام، جهت تعیین خواص رئولوژیکی خامه قنادی استفاده شد. در نهایت مدل توان به عنوان مدل مناسب جهت توصیف رفتار رئولوژیکی نمونه ها انتخاب شد. ویژگی های بافتی نمونه ها، 24 ساعت پس از تولید و با انجام آزمون اکستروژن برگشتی، مورد ارزیابی قرار گرفت. در نهایت امکان پیش بینی خواص فیزیکی خامه قنادی در شرایط مختلف تعریف شده، به وسیله شبکه عصبی مصنوعی مورد ارزیابی قرار گرفت. نتایج نشان داد که هر صمغ، در شرایط مختلف تولید، رفتار متفاوتی از خود را نشان می دهد که ضرورت استفاده از یک مدل بر پایه نتایج آزمایشی را نشان می دهد. شبکه عصبی مصنوعی توانست، به خوبی رابطه بین ورودی ها و خروجی های تعریف شده را تشخیص بدهد و یک روش مناسب جهت تخمین خصوصیات فیزیکی خامه قنادی می باشد.
similar resources
پیش بینی خواص فیزیکی پسته با استفاده از شبکه های عصبی مصنوعی در طی فرآوری
شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجه بندی و ذخیره این محصول ارزشمند نقش اساسی ایفاء می کند. در این مطالعه، خواص فیزیکی پسته توسط مدل های مختلف شبکه ی عصبی شبیه سازی گردید. مدل های مختلف شبکه ی عصبی همراه با تابع های آستانه ی مختلف در پیش بینی مقادیر مساحت سطح، حجم، جرم و دانسیته ی ذره پسته مورد استفاده قرار گرفت. نتایج، نشان داد که که مدل شبکه ی عصبی ت...
full textپیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی
چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...
full textپیش بینی مشخصات ساختاری و خواص مغناطیسی پودرهای نانوساختار آهن- نیکل با استفاده از شبکه ی عصبی مصنوعی
Mechanical alloying technique is used for production of nanostructured soft magnetic alloys. In this work the back propagation (BP) artificial neural adopted to model the effect of various mechanical alloying parameters i.e. milling time and chemical composition, on the properties of Fe-Ni powders. Lattice parameter, grain size, lattice strain, coersivity and saturation intrinsic flux den...
full textمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایهای شعاعی ((RBF، سری زمانی AR...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023