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

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