استفاده از شبکه عصبی مصنوعی در پیش بینی رطوبت لحظه ای سه واریته نخود در فرآیند غوطه وری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 628

فایل این مقاله در 6 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:

NCFOODI21_971

تاریخ نمایه سازی: 4 اسفند 1392

چکیده مقاله:

در تحقیق حاضر پیش بینی مقدار جذب رطوبت سه واریته نخود (کابلی، چیکو و دسی) در فرآیند غوطه وری با استفاده از شبکه عصبی شبیه سازی گردید. آزمایش ها در سه دمای 5، 25 و 45 درجه سانتیگراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. در طراحی شبکه عصبی از دو روش پرسپترون چندلایه (MLP) و تابع شعاع مینا (RBF) با سه لایه نرون استفاده شد. در هر روش از الگوریتم های غیر خطی کاهش شیب، شیب توأم و BFGS و توابع مثلثاتی، لگاریتمی، گاسپین و منطقی برای آموزش، آزمون و ارزیابی شبکه بهره گرفته شد. نتایج نشان داد که روش MLP به دلیل ساختار یادگیری پس انتشار خطا، الگوریتم BFGS و توپولوژی شبکه 1-4-2 بهترین پیش بینی را برای هر سه رقم نخود حاصل می کند. برای هر سه رقم واریته آزمایشی نتایج پیش بینی نشان داد که با افزایش دما و زمان غوطه وری، رطوبت جذب شده افزایش می یابد.

نویسندگان

سیدمجتبی شفاعی

دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان

امین الله معصومی

استادیار مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان

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 :
  • AACC. 1999. Methods 44-15A, Moisture - air - OVen. Approved ...
  • Abu-Ghannam, N., and McKenna, B. 1997. Hydration kinetics of kidney ...
  • Dayhoff, J. E. 1990. Neural Network Principles. Prentice-Hal International, U.S.A. ...
  • Graham. P. H., and Ranalli, P. 1997. Common bear (Phaseolus ...
  • Kashaninejad, M., Dehghani, A. M., and Khashiri, M. 2009. Modeling ...
  • Khanna, T. 1990. Foundation of neural networks. Addison -Wesley Publishing ...
  • Maskan, M. 2002. Effect of processing on hydration kinetics of ...
  • McWatters, K. H., Chinnan, M. S., Phillips, R. D., Beuchat, ...
  • Nussinovitch, A., and Peleg, M. 1990. An empirical model for ...
  • Peleg, M. 1988. An empirical model for the description of ...
  • Razavi, S. _ A., Zaerzadeh, E., Khafaji, N., and Pahlevani, ...
  • Sabaghpour, S., Safikhani, M., Pezeshkpour, P., Jahangiri, A., Sarparast, R., ...
  • Sayar, S., Turhan, M., and Gunasekaran, S. 2001. Analysis of ...
  • Shafaei, S. M., and Masoumi, A. A. 2013a. Application of ...
  • Shafaei, S. M., and Masoumi, A. A. 2013b. Modeling of ...
  • Singh S.P. 1997. Chickpea (Cicer arientinum L.). Field Crops Res. ...
  • Singh, B. P. N., and Kulshrestha, S. P. 1987. Kinetics ...
  • Toma, M., Vinatoru, M., Paniwnyk, L., and On, T. J. ...
  • USDA. 1970. Official Grain Standards of the United States. US ...
  • نمایش کامل مراجع