پیش بینی برخی خصوصیات خشک کردن توت سفید به کمک شبکه های عصبی مصنوعی

هدف از این پژوهش، پیش بینی نرخ خشک کردن و نسبت رطوبت توت در طی فرآیند خشک کردن با خشک کن مادون قرمز- همرفتی به کمک شبکه های عصبی مصنوعی است. چهار عالم مؤثر برای نرخ خشک کردن و نسبت رطوبت (دما هوای ورودی، سرعت هوای ورودی، توان مادون قرمز و زمان) در عملکرد خشک کن مادون قرمز- همرفتی به عنوان متغیرهای مستقل برای شبکه عصبی مصنوعی در نظر گرفته شد. داده های لازم برای ایجاد الگوهای آموزش، ارزیابی و آزمون با انجام آزمایش های خشک کردن برای دماها، سرعت ها و توان های مختلف با استفاده از یک خشک کن آزمایشگاهی مادون قرمز- همرفتی، جمع آوری شد. از شبکه های پس انتشار پیش رو و پس انتشار پیشخور با الگوریتم های یادگیری لونبرگ- مارکورات و تنظیم بیزی برای آموزش الگوهای موجود استفاده شد. نتایج نشان داد که بهترین نتایج برای شبکه پیش پیشخور با توپولوژی 2-5 -5-4 و الگوریتم آموزش لونبرگ- مارکوات و تابع آستانه لگاریتم سیکمونید برای نرخ خشک کردن و نسبت رطوبت حاصل می شود. نتایج نشان داد که ضریب تعیین برای نرخ خشک کردن 0/9766 و برای نسبت رطوبت این مقدار 0/9971 درصد به دست آمد.

کلیدواژه ها:

توت ، خشک کن مادون قرمز ، نسبت رطوبت ، نرخ خشک کردن و شبکه های عصبی مصنوعی