محمد طهماسبی - دانشجو/ دانشگاه محقق اردبیلی
عبداله گل محمدی - هیات علمی/ دانشگاه محقق اردبیلی
رضا طباطبایی کلور - هیات علمی / دانشگاه علوم کشاورزی و منابع طبیعی ساری

اندازه­گیری دبی جرمی با استفاده از حسگرهای خازنی به عنوان روش ارزان و سریع توسعه یافته است. اما پیش­بینی دبی جرمی به علت وابستگی پاسخ حسگر به عوامل مختلف و پیچیدگی اثر این عوامل دشوار است؛ لذا در این مطالعه پتانسیل شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی (ANFIS)  و تکنیک های رگرسیون چندگانه (MR)  برای پیش بینی دبی جرمی شلتوک با استفاده از سنسور خازنی مورد بررسی قرار گرفت. بسامد، رطوبت و ولتاژ خروجی به عنوان متغیرهای ورودی و دبی جرمی به عنوان خروجی در توسعه مدل­ها به کار گرفته شد. نتایج نشان داد که ANN دارای بالاترین ضریب همبستگی بین مقادیر پیش بینی شده و واقعی است (۹۲۷/۰R۲ =). ضریب همبستگی بین مقادیر پیش بینی شده و واقعی برای ANFIS برابر با (۹۰۹/۰=( R۲  است. نتایج نشان می دهد که تکنیک های ANN و ANFIS به طور بالقوه می تواند برای پیش بینی دبی جرمی محصولات کشاورزی مورد استفاده قرار گیرند.

Capacitive sensor, Mass flow, ANN, MR, ANFIS