مدلسازی سینتیک خشک شدن لایه نازک میوه زرشک (Berberis Vulgaris) به کمک شبکه عصبی مصنوعی شیوا گرجیان ۱، تیمور توکلی هشجین ۲، محمد هادی خوش تقاضا ۳

چکیده       به منظور بررسی سینتیک خشک شدن میوه زرشک، آزمایش­هایی در سه سطح دمایی و سه سطح سرعت بر روی نمونه­های شاهد و تیمار شده با شوک حرارتی و امولسیون "۶% کربنات پتاسیم + ۳% روغن زیتون" در ۳ تکرار در قالب طرح بلوک کاملا تصادفی و به صورت فاکتوریل اجرا گردید. بیشترین مدت زمان خشک شدن ۲۹۲۰ دقیقه، برای نمونه­های شاهد در دمای Cº۶۰ و سرعت ۳/۰ متر بر ثانیه و کمترین مدت زمان ۷۰ دقیقه برای نمونه­های تیمار شده با امولسیون در دمای Cº۸۰ و سرعت ۱ متر بر ثانیه ثبت شد. در این تحقیق از شبکه پرسپترون چندلایه با الگوریتم یادگیری لونبرگ- مارکوارت و توابع غیرخطی تانژانت سیگموئیدی و سیگموئید لگاریتمی برای مدلسازی فرایند خشک شدن استفاده شد. تعداد نورون­های ورودی شبکه برابر چهار متغیر در ورودی (نوع پیش­تیمار، دمای هوا، سرعت هوا و زمان) و خروجی شبکه میزان رطوبت زرشک می­باشد. بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Tansig، ۱-۱۶-۳۰-۴ با ضریب همبستگی ۹۹۹۲/۰ و خطای حقیقی ۰۰۰۲۵/۰ بود. علاوه بر این بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Logsig، ۱-۵-۲۵-۴ با ضریب همبستگی ۹۹۹۱/۰ و خطای حقیقی ۰۰۰۳۲/۰ بود.

کلیدواژه ها:

Barberry fruit ، Artificial Neural Network ، Pretreatment ، Completely randomized block ، Perceptron ، کلید واژه گان: میوه زرشک ، شبکه عصبی مصنوعی ، پیش تیمار ، بلوک کاملا تصادفی ، پرسپترون