CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی محتوای رطوبتی گندم نیم جوش با استفاده از شبکه عصبی و انفیس

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: NCAMEM11_152
زبان مقاله: فارسی
حجم فایل: ۶۹۷.۶۸ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی محتوای رطوبتی گندم نیم جوش با استفاده از شبکه عصبی و انفیس

  ابراهیم تقی نژاد - استادیار دانشگاه محقق اردبیلی، دانشکده کشاورزی و منابع طبیعی مغان
  محمد کاوه - دانشجوی دکتری دانشگاه محقق اردبیلی، دانشکده کشاورزی و منابع طبیعی

چکیده مقاله:

در این پژوهش از دو مدل غیرخطی شامل شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی سازگار (ANFIS) برای ارزیابی محتوای رطوبتی گندم نیم جوش در یک خشک کن هوای داغ مورد بررسی قرار گرفت. فرآیند خشک کردن در چهار سطح دمایی (40، 50، 60 و 70 سلسیوس)، سه سطح زمان/بخاردهی (5، 10 و 15 دقیقه) در دمای غوطه وری 60 درجه سلیوس اجرا شد. دو پارامتر دما و زمان بخاردهی به همراه زمان خشک شدن به عنوان ورودی در شبکه های عصبی مصنوعی و انفیس برای پیش بینی محتوای رطوبتی مورد استفاده قرار گرفت. پس از ساخت مدل های پیش بینی غیرخطی، چندین شاخص پیش بینی عملکرد، یعنی ضریب تبیین (همبستگی) ((R(2)، شاخص میانگین مربعات خطا (MSE)، درصد میانگین خطای نسبی (ɛ) برای انتخاب بهترین مدل پیش بینی و ارزیابی موردبررسی قرار گرفت. افزایش دمای هوای ورودی باعث کاهش زمان خشک شدن می شوند. نتایج نشان داد که مدل ANFIS با توجه به شاخص های (MSE, R(2 و ɛ، بهترین مدل برای پیش بینی محتوای رطوبتی بود. مقادیر MSE برای مدل های ANN و ANFIS به ترتیب 0/0021 و 0/0012 به دست آمد. که این نتایج نشان دهنده ظرفیت عملکرد بالای مدل ANFIS برای ارزیابی محتوای رطوبت در مقایسه با شبکه های عصبی مصنوعی در این پژوهش می باشد.

کلیدواژه‌ها:

خشک کن هوای داغ، گندم نیم جوش، محتوای رطوبت، شبکه های عصبی مصنوعی، و انفیس

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCAMEM11-NCAMEM11_152.html
کد COI مقاله: NCAMEM11_152

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
تقی نژاد, ابراهیم و محمد کاوه، ۱۳۹۷، پیش بینی محتوای رطوبتی گندم نیم جوش با استفاده از شبکه عصبی و انفیس، یازدهمین کنگره ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون ایران، همدان، دانشگاه بوعلی سینا - انجمن مهندسی ماشین های کشاورزی و مکانیزاسیون، https://www.civilica.com/Paper-NCAMEM11-NCAMEM11_152.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (تقی نژاد, ابراهیم و محمد کاوه، ۱۳۹۷)
برای بار دوم به بعد: (تقی نژاد و کاوه، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۸۸۰۱
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > گندم
  • صنعت اتصال > جوشکاری
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.