پیش بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه بادمجان در خشک کن پیوسته با استفاده از روش های جدید

در این پژوهش، به منظور برآورد خواص خشک کردن بادمجان در یک خشک کن پیوسته از روش شبکه های عصبی مصنوعی (ANN)، الگوریتم بهینه سازی توده ذرات (PSO) و الگوریتم گرگ خاکستری (GWO) استفاده شد. فرآیند خشک کردن در سه سطح دمایی (۴۵، ۶۰ و C°۷۵)، سه سطح سرعت هوا (۱ و ۵/۱ و m/s۲) و سه سطح سرعت خطی تسمه (۵/۲، ۵/۶ و mm/s ۵/۱۰) در یک خشک کن پیوسته صورت گرفت که این سه پارامتر به عنوان ورودی در پیش بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه، در مدل های ANN، PSO و GWO مورد استفاده قرار گرفت. آزمایش ها برای خشک کردن بادمجان از رطوبت (d.b.%) ۱۰۲۵ تا زمانی که رطوبت نهایی به (d.b.%) ۱۰ رسید انجام گرفت. با توجه به نتایج به دست آمده، بیشترین مقدار ضریب پخش رطوبت موثر (Deff) برای بادمجان (m۲/s ۸-۱۰×۱۴/۱) حاصل شد. همچنین کمترین مقدار انرژی مصرفی ویژه (SEC) MJ/kg۶۲/۱۳۰ به دست آمد. پس از آن ۲۷ نمونه آماده با توجه به استانداردهای مربوطه و مجموعه داده ها به دست آمد. سپس با توجه به چندین شاخص عملکرد، از جمله ضریب تعیین (R۲)، میانگین مربعات خطا (MSE) و میانگین خطای مطلق (MAE)، مدل ها مورد بررسی و مقایسه قرار گرفتند و بهترین مدل پیش بینی انتخاب شد. با توجه به نتایج به دست آمده مقدار R۲ برای مدل GWO به ترتیب ۹۹۹۶/۰ و ۹۹۹۴/۰ برای ضریب پخش رطوبت موثر و انرژی مصرفی نشان دهنده برتر بودن مدل GWO نسبت به سایر مدل ها می باشد، در حالی که این مقادیر به ترتیب ۹۹۹۲/۰ و ۹۹۹۱/۰ برای PSO و ۹۹۹۰/۰ و ۹۹۸۸/۰ برای ANN به دست آمد. نتایج نشان داد که مدل GWO دارای ظرفیت بیشتری برای پیش بینی Deff و SEC در مقایسه با دیگر مدل ها می باشد.

Keywords:

بادمجان , ضریب پخش رطوبت موثر , انرژی مصرفی ویژه , ANN , PSO , GWO