نویسندگان: علیرضا شایگانی سلطان پور ، عبدالله گل محمدی ، فرناز فرهپور ، اکبر عباسی کوکجه
خلاصه مقاله:
هدف از این تحقیق پیشبینی محتوی رطوبتی موز در طی فرآیند خشککردن با جریان هوای گرم به عنوان تابعی از دما،سرعت هوا، ضخامت ورقه موز، رقم و زمان خشک شدن محصول به کمک شبکههای عصبی مصنوعی است. دادههای لازم برای ایجاد الگوهای آموزش، ارزیابی و آزمون با انجام آزمایشهای خشک کردن برای تیمارها با استفاده از یک خشککن آزمایشگاهی، جمع آوری شد. برای بدست آمدن تغییرات محتوای رطوبتی با زمان از شبکه های چند لایه پس انتشاربرگشتی با الگوریتمهای یادگیری لونبرگ- مارکوارت، الگوریتم پس انتشار ارتجاعی و الگوریتم گرادیان نزولی مقیاسی، برای آموزش الگوها استفاده شد. الگوریتم لونبرگ-مارکوات نتایج بهتری نسبت به دیگر الگوریتمها نشان داد. شبکه عصبی با الگوریتم لونبرگ-مارکوات با ساختار 1-16-16-5 با تابع آستانه سیگموئید لگاریتمی در مقایسه با توپولوژیهای دیگر نتایج بهتری را ارائه کرد. این توپولوژی تغییرات زمان خشکشدن موز را با ضریب تبیین 0/9994 پیشبینی کرد.
کلمات کلیدی: خشک کردن، محتوای رطوبتی، موز، شبکه عصبی مصنوعی
خلاصه مقاله:
هدف از این تحقیق پیشبینی محتوی رطوبتی موز در طی فرآیند خشککردن با جریان هوای گرم به عنوان تابعی از دما،سرعت هوا، ضخامت ورقه موز، رقم و زمان خشک شدن محصول به کمک شبکههای عصبی مصنوعی است. دادههای لازم برای ایجاد الگوهای آموزش، ارزیابی و آزمون با انجام آزمایشهای خشک کردن برای تیمارها با استفاده از یک خشککن آزمایشگاهی، جمع آوری شد. برای بدست آمدن تغییرات محتوای رطوبتی با زمان از شبکه های چند لایه پس انتشاربرگشتی با الگوریتمهای یادگیری لونبرگ- مارکوارت، الگوریتم پس انتشار ارتجاعی و الگوریتم گرادیان نزولی مقیاسی، برای آموزش الگوها استفاده شد. الگوریتم لونبرگ-مارکوات نتایج بهتری نسبت به دیگر الگوریتمها نشان داد. شبکه عصبی با الگوریتم لونبرگ-مارکوات با ساختار 1-16-16-5 با تابع آستانه سیگموئید لگاریتمی در مقایسه با توپولوژیهای دیگر نتایج بهتری را ارائه کرد. این توپولوژی تغییرات زمان خشکشدن موز را با ضریب تبیین 0/9994 پیشبینی کرد.
کلمات کلیدی: خشک کردن، محتوای رطوبتی، موز، شبکه عصبی مصنوعی
توسعه مدل پیش بینی محتوای رطوبتی موز در طی فرآیند خشک کردن با استفاده از شبکه عصبی مصنوعی