رضا امیری چایجان - دانشجوی دکتری دانشگاه تربیت مدرس، گروه مکانیک ماشین های کشاورزی
محمدهادی خوش تقاضا - استادیار دانشگاه تربیت مدرس، گروه مکانیک ماشین های کشاورزی
غلامعلی منتظر - استادیار دانشگاه تربیت مدرس، گروه مکانیک ماشین های کشاورزی

پیش‏بینی رطوبت لایه‏های شلتوک در انتهای مرحلة خشک‏شدن به منظور کاهش خسارت ناشی از بیش یا کم ‏خشک‏شدن محصولات کشاورزی حائز اهمیت است. در این تحقیق از روش هوشمند شبکة عصبی مصنوعی برای پیش‏بینی رطوبت لایه‏های شلتوک در انتهای مرحلة خشک‏شدن و در محدودة رطوبت متوسط نهایی 9 تا 15% پایة تر استفاده شده است. آزمایشها با نمونه‏های شلتوک و در محدودة عمق‏های 5 تا 20 سانتی‏متر با میزان رطوبت اولیة متوسط 9/14 تا 83/21% پایة تر در شرایط کنترل‏شدة محیطی با دمای محیط 20 تا C°30 و رطوبت نسبی هوای 40 تا 90٪ انجام شد. در این آزمایشها دبیهای مختلف بین m/s1/0 و سرعت حداقل سیالسازی اعمال شد و دماهای ورودی بین 40 تا C°70 بود. زمان خشکشدن نیز به عنوان پارامتر ورودی اعمال شد. رطوبت لایه‏های شلتوک به کمک هشت پارامتر فوق در هر آزمایش پیش‏بینی شد. کاربرد شبکههای عصبی پسانتشار پیشخورد و پسانتشار پیشرو در حل این مسأله نشان داد که با استفاده از شبکة عصبی مصنوعی می‏توان رطوبت لایههای شلتوک را با ضریب همبستگی حدود 96% و خطای حقیقی ناچیز در گسترة بستر ثابت و در شرایط آزمایشگاهی پیش‏بینی کرد.

خشک ‏کردن, شلتوک, شبکه عصبی مصنوعی, شبکة پس انتشار