مدل‌سازی عصبی پیش‌بینی نسبت رطوبت ورقه سیب‌زمینی در خشک‌کن خلائی- تابشی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی ارشد مکانیزاسیون کشاورزی، دانشگاه شهید چمران اهواز.

2 دانشیار گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشکده کشاورزی، دانشگاه شهید چمران اهواز.

3 استادیار گروه مهندسی ماشین‌های کشاورزی و مکانیزاسیون، دانشکده کشاورزی، دانشگاه شهید چمران اهواز.

چکیده

هدف از این تحقیق پیش‌بینی نسبت رطوبت ورقه‌های سیب‌زمینی در طی فرآیند خشک کردن با گرمایش مادون قرمز تحت شرایط خلأ به عنوان تابعی از زمان خشک کردن، میزان خلأ، توان تابشی لامپ مادون قرمز، ضخامت ورقه و محتوای رطوبت محصول به کمک شبکه‌های عصبی مصنوعی می‌باشد. آزمایش‌ها در سه سطح توان لامپ مادون قرمز 100، 150 و 200 وات، سه سطح خلأ 20، 80 و 140 میلی‌متر جیوه به همراه یک حالت تحت شرایط اتمسفری (بدون خلأ) با سه ضخامت ورقه 1، 2 و 3 میلی‌متر در سه تکرار انجام گردید.  از شبکه عصبی پرسپترون چند لایه پس انتشار پیشخور با الگوریتم یادگیری لونبرگ- مارکوارت جهت پیش‌بینی تغییرات رطوبت نسبت به زمان در طی فرآیند خشک کردن استفاده گردید. بهترین چیدمان شبکه عصبی بر اساس یک لایه پنهان به صورت 1-2-4 با تابع انتقال تانژانت سیگموئید انتخاب شد. به طور کلی نتایج حاکی از آن بود که شبکه عصبی پنجم با پارامتر‌های ورودی ضخامت ورقه، خلأ، توان تابشی لامپ مادون قرمز و محتوای رطوبت محصول با بیشترین ضریب تبیین 99990/0 و کمترین خطای شبکه 00016/0 نتایج بهتری در جهت پیش‌بینی نسبت رطوبت ورقه‌های سیب‌زمینی ارائه نموده است. 

کلیدواژه‌ها


عنوان مقاله [English]

Neural Modeling for Predicting the Moisture Ratio of Potato Slice in Radiation-Vacuum Dryer

نویسندگان [English]

  • N. Hafezi 1
  • M. J. Sheikhdavoodi 2
  • S. M. Sajadiye 3
  • M. E. Khorasani Ferdavani 3