مدلسازی سینتیک خشک شدن لایه نازک میوه زرشکBerberis Vulgarisبه کمک شبکه عصبی مصنوعی

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,209

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCAMEM06_031

تاریخ نمایه سازی: 20 مرداد 1391

Abstract:

در تحقیق حاضر، عملکرد یک شبکه پسانتشار خطاBP) جهت تخمین میزان رطوبت میوه زرشک Berberis Vulgaris در طول فرآیند خشک شدن مورد بررسی قرار گرفت. عوامل موثر بر فرآیند خشک شدن نظیر پیشتیمار (شوک حرارتی و امولسیون 6% کربنات پتاسیم + 3% روغن زیتون و نمونه بدون پیشتیمار)، دمای هوای ورودی به خشککن T3= 80 T2=70 ،T1=60 درجه سلسیوس)، سرعت هوای ورودی به خشککن V1=0/3 V3= 1 V2=0/5 متر بر ثانیه) و زمان به عنوان ورودی و میزان رطوبت به عنوان خروجی شبکه عصبی در نظر گرفته شدند چندین پارامتر موثر بر عملکرد شبکه نظیر نوع الگوریتم یادگیری، نرخ یادگیری، ضریب مومنتم، تعداد لایههای پنهان، تعداد نورونها در هر لایه پنهان و نوع تابع فعالسازی جهت بهبود عملکرد شبکه مورد بررسی قرار گرفتند بهترین الگوریتم یادگیری لونبرگ-مارکوارت با کمترین مقدار خطا MSE) انتخاب شد

Authors

شیوا گرجیان

عضو هیئت علمی دانشگاه تربیت مدرس

تیمور توکلی هشجین

کارشناس ارشد مهندسی مکانیک ماشین های کشاورزی

محمدهادی خوش تقاضا

عضو هیات علمی گروه مکانیک ماشینهای کشاورزی، دانشگاه تربیت مدرس

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Aghbashlo, M., Kianmehr, M., Arab Husseini, A. 2008. Evaluation of ...
  • Amiri Chayjan, R., 2006. Intelligent Prediction of drying process of ...
  • Anonymous 1. Available _ _ _ (In Persian) ...
  • Anonymous 2. Available _ WWW. _ (In Persian) ...
  • Behroozi Khazaee, N. 2007. Quality prediction of Raisin using Artifitial ...
  • Chajii, H., Ghassem Zade, H., Ranjbar, A., 2008. Effect of ...
  • Dayhoff, J. E. 1990. Neural Network Principles. Prentice-Hal International, U.S.A. ...
  • Demuth, H. and Beale, M. 2003. Neural Network Toolbox for ...
  • Farkas, I., Remenyi, P., ad Bir0, B. 2000a. A neural ...
  • _ Remenyi, _ 2000b. Modeling aspects of grain drying with ...
  • Heristev, R.M. 1998. The ANN Book. GNU Public License. USA. ...
  • Kim, M.H. and R.T, Toledo. 1987. Effect of osmotic dehydration ...
  • Mola, D., Fallahi, H. 1995. Usage of Fluid beds in ...
  • Movagharnej ad, K., Nikzad, and Maryam., 2007. Modeling of tomato ...
  • Pangavhane, D.R., Sawhney, and R.L, Sarsavadia, P.N. 1998. Effect of ...
  • Riva, M. and Peri, C. 1986. Kinetics of sun and ...
  • Sablani, S.S and Rahman, M. S. 2003. Using neural networks ...
  • Satish, S and Pydi Setty, Y.P. 2005. Modeling of a ...
  • Senadeera, W., B.R., Young, G., and Wijesinghe, B., 2003. Influence ...
  • Telis, _ Lourencon, V.A., Gabas, A.L., and Telis-Romero, J. 2006. ...
  • نمایش کامل مراجع