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

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.

الگوریتم آمورش، پرسپترون چند لایه، تابع شعاع مبنا،. غوطه وری، محتوای رطوبت