پیش بینی محتوای رطوبتی پیاز خوراکی در طی فرآیند خشک کردن با استفاده از شبکه عصبی مصنوعی

نویسندگان

  • اسماعیل خراسانی فردوانی استادیار گروه مکانیک ماشین های کشاورزی و مکانیزاسیون دانشگاه شهید چمران اهواز
  • حدیث نعمت پور ملک آباد دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی و مکانیزاسیون دانشگاه شهید چمران اهواز
  • حسن ذکی دیزجی استادیار گروه مکانیک ماشین های کشاورزی و مکانیزاسیون دانشگاه شهید چمران اهواز
چکیده مقاله:

پیاز خوراکی به­عنوان منبع غذایی و همچنین مصارف دارویی، امروزه بسیار مورد توجه قرار گرفته است. با افزایش بیش از پیش تولید پیاز، نیاز به انبارداری، افزایش ماندگاری، کاهش ضایعات و استفاده از پودر پیاز بیشتر احساس می­شود. به­همین جهت خشک کردن این محصول به­عنوان یکی از راهکارهای عملی همواره مطرح می­باشد. امروزه با توجه به مزایای فناوری هوش مصنوعی، استفاده از شبکه­های عصبی مصنوعی در سطح وسیعی برای شبیه­سازی و پیش­بینی پارامتر­های مورد نیاز در فرایند­های خشک کردن در حال رشد و توسعه است. هدف از انجام این تحقیق پیش­بینی محتوای رطوبتی پیاز به کمک شبکه عصبی مصنوعی می­باشد. در این تحقیق پیاز با استفاده از خشک­کن جریان عمودی هوای داغ در زمان­های مختلف در سه سطح دمای 60، 70 و 80 درجه سلسیوس، سه سطح ضخامت لایه 15، 30 و 45 میلی­متر، سه سطح ضخامت خلال 2، 4 و 6 میلی­متر و سه تکرار، در سرعت هوای ثابت 5/1 متر بر ثانیه خشک شده تا محتوای رطوبتی آن ثابت و به 6% (بر پایه تر) برسد. بهترین الگوریتم یادگیری لونبرگ-مارکوارت با کمترین مقدار خطا MSE انتخاب شد. توپولوژی بهینه 1-10-4 با تابع آستانه تانژانت سیگموئید و مقادیر خطای 0133/0 و توپولوژی بهینه 1-6-4 با تابع آستانه لگاریتم سیگموئید و مقادیر خطای 022/0 به دست آمدند. مقایسه ضریب تبیین R2 وMSE  نشان داد که شبکه عصبی با ساختار 1-10-4 با تابع آستانه تانژانت سیگموئید برای پیش‌بینی محتوای رطوبتی در مقایسه با توپولوژی­های دیگر نتایج بهتری را ارائه می­کند؛ بهترین مقدار ضریب تبیین 998/0 و MSE آن 0133/0 به دست آمد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی محتوای رطوبتی پسته رقم اکبری با شبکه عصبی مصنوعی

به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در آغاز آزمایش ها 30 درصد بر پایه خشک بود. پس از انجام آزمایش ها داده ها به محیط شبکه عصبی مصنوعی منتقل شدند. به منظور توسعه مدلهای شبکه ع...

متن کامل

تخمین 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...

متن کامل

تخمین 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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 38  شماره 2

صفحات  145- 161

تاریخ انتشار 2016-01-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023