مدل سازی افت وزن زردآلو طی خشک کردن با خشک کن فروسرخ به روش بهینه سازی الگوریتم ژنتیک- شبکه عصبی مصنوعی

زمینه مطالعاتی: مدل سازی خشک کردن محصولات کشاورزی، یکی از راه های مناسب برای کنترل زمان و شرایط خشک کردن می باشد. هدف: در این مطالعه جهت خشک کردن و افزایش زمان ماندگاری زردآلو، از روش پرتودهی فروسرخ استفاده گردید. روش کار: اثر توان لامپ فروسرخ در سه سطح ۱۵۰، ۲۵۰ و ۳۷۵ وات، فاصله نمونه از لامپ در سه سطح ۵، ۵/۷ و ۱۰ سانتی متر و در مدت زمان ۱۶۰ دقیقه بر خشک کردن زردآلو بررسی شد. نتایج: نتایج خشک کردن زردآلو به روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه ها از منبع حرارتی، سرعت خشک کردن افزایش می یابد. مدل سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با ۳ ورودی (توان لامپ، فاصله لامپ و زمان) و ۱ خروجی (کاهش وزن) انجام شد. نتایج مدل سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه ای با تعداد ۷ نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی می تواند درصد کاهش وزن را طی فرآیند خشک کردن زردآلو به روش فروسرخ را با ضریب همبستگی برابر ۹۹۸۷/۰ و میانگین مربعات خطا برابر ۹۲۱۵/۱ پیشگویی نماید. نتیجه گیری نهایی: نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که زمان خشک کردن به عنوان موثرترین عامل در کنترل کاهش وزن برش های زردآلو می باشد.

کلیدواژه ها:

الگوریتم ژنتیک ، تابع فعال سازی سیگموئیدی ، زردآلو ، شبکه عصبی مصنوعی