مدلسازی سینتیک خشک شدن خرما رقم مضافتی با استفاده از شبکه عصبی مصنوعی

یکی از پارامترهای مؤثر در طراحی و بهینه سـازی خشک کن ها، پیشبینی و مدل کردن فرآیند خشک کردن می باشد. شبکه های عصبی مصــنوعی قدرت تأمین دقت و ســرعت لازم برای پیشبینی فرآیند خشــک کردن را دارند. در این تحقیق به بررســی فرآیند ســینتیک خشـک کردن و مدلسـازی با شـبکه عصبی مصنوعی، برای خرما رقم مضافتی در خشک کن کابینتی پرداخته شد. آزمایشهای خشک شـدن در سـه سـطح دمایی 50، 65 و 80 درجه سـلسـیوس و سـه سـطح سرعت جریان هوا 1، 1/5 و 2 متر بر ثانیه انجام شد. برای پیشبینی نسـبت رطوبت در طی فرآیند خشک شدن، شبکه عصبی مصنوعی با چهار نرون در لایه ورودی (زمان خشک شدن، سرعت هوای گرم، رطوبت نسـبی هوا و دمای خشـک کن) و یک نرون در لایه خروجی (نسـبت رطوبت) طراحی شـد. شـبکه های پس انتشـار پیشــخور (FFBP) و پس انتشــار پیشــرو (CFBP) با توابع آســتانه ســیگموئیدی و خطی مورد اســتفاده قرار گرفتند. نتایج ارزیابی توپولوژی های مختلف نشـان داد که بهترین شـرایط مربوط به شـبکه (FFBP) با توپولوژی 1-8 -7-4، تابع آستانه تانژانت هایپربولیک ســیگموئید (TANSIG) و الگوریتم یادگیری لونبرگ-مارکوارت (LM) میباشــد. زیرا در بین تمامی شــبکه ها داری کمترین میزان میانگین مربع خطا 0/0011 (MSE)، میانگین خطای مطلق 0/0361 (MAE) و بیشترین ضریب همبستگی 0/9939 (R) است.

Keywords:

خرمای مضافتی , سینتیک خشک کردن , شبکه عصبی مصنوعی