شبیه سازی مدل سینتیک خشک شدن بستر نازک پرتقال رقم تامسون با استفاده از شبکه های عصبی مصنوعی
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 82
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-7-24_005
تاریخ نمایه سازی: 1 آذر 1402
Abstract:
چکیده
مرکبات به ویژه پرتقال جایگاه بسیار مهمی را در میان تولیدات کشاورزی در دنیا به خود اختصاص دادهاند. در این تحقیق خشک کردن بستر نازک پرتقال رقم تامسون بهوسیله شبکه عصبی مصنوعی مدلسازی شد؛ برای این منظور از خشک کن آزمایشگاهی استفاده گردید. توده بستر نازک ورقه های پرتقال با پنج دمای ۴۰ ،۵۰ ،۶۰ ،۷۰ و۸۰ درجه سانتی گراد و سه سرعت هوای ۵/۰ ،۱ و ۲ متر بر ثانیه و سه ضخامت ۲ ،۴ و ۶ میلی متر خشک شد. رطوبت اولیه پرتقال در طی آزمایش ۴/۵ تا ۷/۵ (g/g) بر پایه خشک بود. جرم توده بستر نازک در طی خشک کردن هر پنج ثانیه یک بار توسط ترازوی دیجیتال متصل به رایانه، اندازه گیری و ثبت گردید. از شبکه پس انتشار پیشخور با الگوریتمهای یادگیری مومنتوم و لونبرگ- مارکوارت برای آموزش الگوهای موجود استفاده شد. برای توسعه مدلهای شبکه عصبی مصنوعی بردار ورودی شامل دما، سرعت هوا و زمان خشکشدن و بردار خروجی محتوای رطوبتی پرتقال در نظر گرفته شد. نتایج نشان داد که شبکه پس انتشار پیشخور با توپولوژی ۱-۶-۲ برای ضخامت ۲ میلیمتری ورقه پرتقال، ۱-۷-۲ برای ضخامت ۴ میلیمتری ورقه پرتقال و ۱-۵-۲ برای ضخامت ۶ میلیمتری ورقه پرتقال و الگوریتم آموزش لونبرگ- مارکوارت و راهبرد توابع یکسان برای تمام لایهها (تانژانت سیگمویید) قادر است نسبت رطوبت را با ضرایب تعیین ۹۹۹۰۶/۰، ۹۹۹۱۹/۰ و ۹۹۹۳۰/۰ و خطای متوسط مطلق ۰۰۰۱۳/۰، ۰۰۰۱۲/۰ و ۰۰۰۰۹/۰ به ترتیب برای سه ضخامت ۲ ،۴ و ۶ میلیمتری ورقههای پرتقال در شرایط مختلف خشککردن لایه نازک پیشبینی کند.
Keywords:
Orange (var. Thompson) , Thin-layer , artificial neural network , Momentum , Levenberg-Marquardt , شبکه های عصبی مصنوعی , کلید واژگان: پرتقال رقم تامسون , خشک کردن لایه نازک , الگوریتم مومنتوم , الگوریتم لونبرگ- مارکوارت