مطالعه و مدلسازی فرآیند جذب رطوبت دانه جو
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 641
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_158
تاریخ نمایه سازی: 14 شهریور 1393
Abstract:
در این تحقیق پیش بینی مقدار جذب رطوبت سه رقم جو (ریحان 33 ، فجر و MB862 ) در فرآیند غوطه وری با استفاده از مدل ریاضی و شبکه عصبی مورد بررسی قرار گرفت. آزمایش ها در سه دمای 20،10 و 45 درجه سانتیگراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. مقدار جذب رطوبت دانه ها با اندازه گیری تغییر وزن دانه ها محاسبه گردید. از مدل ویسکوالاستیک که توانایی خوبی در تحلیل فاز اول و دوم جذب رطوبت در فرآیند خیساندن محصولات کشاورزی را دارد، استفاده گردید. در طراحی شبکه عصبی از دو روش پرسپترون چند لایه (MLP) و تابع شعاع مبنا RBF با سه لایه نورون استفاده شد. لایه اول، لایه ورودی که متغیرهای مستقل دما و زمان و لایه دوم، لایه های مخفی شبکه و لایه سوم، لایه خروجی که متغیر وابسته محتوای رطوبتی میباشد، انتخاب گردید. به منظور اعتبار سنجی پیش بینی مدل ویسکوالاستیک و شبکه عصبی به ترتیب از شاخص های آماری بیشترین ضریب تبیین R2 و کمترین ریشه میانگین مربعات خطا RMSE استفاده شد. نتایج نشان داد که روش پرسپترون چند لایه به دلیل ساختار یادگیری پس از انتشار خطا، با الگوریتم BFGS و ساختار شبکه 1-4-2 بهترین نتایج را برای هر سه رقم جو در مقابل مدل ریاضی ویسکو.الاستیک حاصل نمود. ترسیم نمودارهای سه بعدی محتوای رطوبت لحظه ای بر پایه متغیرهای دما و زمان بر اساس پیش بینی شبکه عصبی انتخاب شده برای هر سه رقم واریته آزمایشی نشان داد که با افزایش دما و زمان غوطه وری، رطوبت جذب شده افزایش یافت.
Keywords:
Authors
سید مجتبی شفاعی
دانشجوی دکتری بخش مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز
معین کمالی
دانشجوی دکتری مهندسی مکانیک ماشینهای کشاورزی، دانشکده کشاورزی دانشگاه شهید باهنر کرمان
مسلم نامجو
مربی و عضو هیات علمی بخش مهندسی مکانیک ماشینهای کشاورزی، دانشکده کشاورزی، دانشگاه جیرفت
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :