تأثیر خیساندن بر روی خواص مهندسی پسته و پیشبینی جرم پسته توسط روش ترکیبی سطح پاسخ-شبکه عصبی RSM-ANN

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 477

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICOAC01_186

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

شناخت خواص مهندسی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجهبندی و ذخیره این محصول ارزشمند نقش اساسی ایفاء میکند. در این مطالعه خواص مهندسی مغز پسته رقم احمد آقایی بر حسب تابعی از رطوبت مورد بررسی قرار گرفت. دامنه رطوبت مورد مطالعه در این پژوهش4/33تا41/25بود. بعد از اندازهگیری خواص مهندسی، ارتباط خطی بین این شاخص های با میزان رطوبت توسط معادله رگرسیون خطی درجه اول برازش داده شد. نتایج نشان داد که دقت معادلات رگرسیونی بالا بود ) 6868 2R همچنین در این مطالعه جرم پسته توسط مدلهای رگرسیونی چند متغییره و مدل ترکیبی سطح پاسخ-شبکه عصبی مصنوعی مورد برازش قرار گرفت. نتایج نشان دادکه هر دو مدل مورد مطالعه از دقت بالایی در پیشبینی جرم پسته برخوردار بودند. با این وجود مدل ترکیبی سطح پاسخ-شبکه عصبیمصنوعی به دلیل کاهش وقت و تعداد کم آزمونهای سعی و خطا و دارای قابلیت بالا در برقراری ارتباط بین متغییرهایی غیر خطی و بدون ارتباط از پیش تعیین شده، به عنوان بهترین مدل در پیشبینی جرم پسته معرفی گردید

نویسندگان

آزاده امیدی نژاد

گروه علوم و صنایع غذایی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران مسوول مکاتبات

حمید توکلی پور

گروه علوم و صنایع غذایی، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران

زهراسادات حسینی

گروه علوم و صنایع غذایی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

فاطمه حاجی غلام قصاب

دانش آموخته واحد رودهن ، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Aghajani N, Kashaninejad M, Dehghani AA, Daraei Garmakhany A. 2012. ...
  • Al-Mahasneh, M.A., Rababah, T.M., 2007. Effect of moisture content _ ...
  • AOAC, 1990. Official methods of analysis. Washington: Association of Official ...
  • Aydin, C. 2003. Physical properties of almond nut and kernel. ...
  • Cagatay-Selvi, K., Pinar, Y., and Yesiloglu, E. 2006. Somme physical ...
  • Caltsr, S., Marakoglu, T., O gut, H., & O zturk, ...
  • Deshpande, S. D., Bal, S., & Ojha, T. P. 1993. ...
  • FAO, 2012. FaoStat Database. Available from http ://faostat. fao.org. ...
  • Ghazanfari, A., Irudayaraj, J. and Kusalik, A. 1996. Grading pistachio ...
  • Ghahfarrokhi S, Daraei Garmakhany A, Kashaninejad M, Dehghani AA. 2013. ...
  • Gupta, R. K., & Das, S. K. 1997. Physical properties ...
  • Karababa, E. 2006. Physical properties of popcorn kernels. Journal of ...
  • Kashaninejad, M. Mortazavi, A. Safekordi, A. and Tabil, L. G. ...
  • Kashiri M, Daraei Garmakhany A, Dehghani AA. 2012. Modelling of ...
  • Kingsly, A. R. P. Singh, D. B. Manikantan, M. R. ...
  • Mahmoudi, _ Omid, M., Aghagolzadeh, A. and Borghayee, A. M. ...
  • Mohsenin, N. N. 1986. Physical properties of plant and animal ...
  • Mokhtarian M, Heydari Majd M, Koushki F, Bakhshabadi H, Daraei ...
  • Mokhtarian M, Koushki F, Bakhshabadi H, Askari B, Daraei Garmakhany ...
  • Mpotokwane, S. M. G aditlhatlhelwe _ E. Sebaka, A. and ...
  • Polat, P. Aydin, C. and Erol A. B. 2007. Somme ...
  • Razavi, S. M. A. Emadzadeh, B. Rafe, A. and Mohammad ...
  • Razavi, S. M. A. Rafe, A. Mohammadi Moghaddam, T. and ...
  • Salehi F, Razavi SMA. 2012. Dynamic modeling of flux and ...
  • Tavakolipour, H., Mokhtarian, M., Kalbasi ashtari, A.2014. Intelligent monitoring of ...
  • Tavakolipour, H., Mokhtarian, M., 2012. Neural network approaches for prediction ...
  • Vinod KJ, Vikrant C 2002. Neural networks approach to modeling ...
  • نمایش کامل مراجع