پیش بینی سینتیک خشک کردن توت سفید در خشک کن مایکرویو- هوای داغ: مقایسه بین مدل های ریاضی، شبکه های عصبی مصنوعی و انفیس

هدف از این پژوهش، تعیین سینتیک، ضریب پخش رطوبت موثر، انرژی فعال سازی، انرژی مصرفی ویژه و همچنین پیش بینی نسبت رطوبت توت سفید در طی فرآیند خشک کردن با خشک کن مایکرویو- هوای داغ به کمک مدل های ریاضی، شبکه های عصبی مصنوعی (ANN) و انفیس (ANFIS) است. خشک کردن محصول در سه دمای ۴۰، ۵۵ و°C ۷۰، در سه سرعت جریان هوای ۵/۰،۱ و m/s ۵/۱ و سه توان مایکرویوو ۲۷۰ ،۴۵۰ و W ۶۳۰ انجام شد. برای انتخاب یک منحنی خشک کردن مناسب، ده مدل لایه نازک خشک شدن، شبکه های عصبی مصنوعی و انفیس به داده های آزمایشگاهی برازش شد. نتایج نشان داد که بیشترین و کمترین مقدار ضریب پخش رطوبت موثر به ترتیب (m۲/s ۹-۱۰×۵۶/۳ و کمترین مقدار m۲/s۱۰-۱۰×۸۶/۳) به دست آمد. همچنین کمترین و بیشترین مقدار انرژی مصرفی ویژه به ترتیب ۵۴/۴۸ وMj/kg ۸۸/۱۳۸۰ محاسبه شد. در میان مدل های ریاضی مورد تحقیق مدلPage بهترین مدل برای تشریح رفتار خشک شدن لایه نازک توت را داشت. نتایج نشان داد مقادیر خطای میانگین مربعات ( )، برای مدل های ریاضی، ANN، و ANFISبه ترتیب ۰۰۵۹/۰، ۰۰۵۲/۰ و ۰۰۴۴/۰ به دست آمد. بنابراین مدل ANFIS با بیشترین مقدار ضریب همبستگی (۹۹۹۹۵/۰= )، کمترین درصد میانگین خطای نسبی (۸۴/۱= ) و خطای میانگین مربعات (۰۰۴۴/۰= ) برای ارزیابی نسبت رطوبت در مقایسه با سایر روش های اجرا شده در این پژوهش به عنوان بهترین مدل انتخاب شد

پیش بینی سینتیک خشک کردن توت سفید در خشک کن مایکرویو- هوای داغ: مقایسه بین مدل های ریاضی، شبکه های عصبی مصنوعی و انفیس Keywords:

White mulberry , Moisture ratio , Effective moisture diffusivity , Artificial neural network , ANFIS. , توت سفید , نسبت رطوبت , ضریب پخش رطوبت موثر , شبکه های عصبی مصنوعی , انفیس