خیاطی, ساسان, امیری چایجان, رضا (2016). پیش‌بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک‌کردن با خشک‌کن پیوسته نیمه‌صنعتی به کمک شبکه‌های عصبی مصنوعی. , 13(52), 161-172.
ساسان خیاطی; رضا امیری چایجان. "پیش‌بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک‌کردن با خشک‌کن پیوسته نیمه‌صنعتی به کمک شبکه‌های عصبی مصنوعی". , 13, 52, 2016, 161-172.
خیاطی, ساسان, امیری چایجان, رضا (2016). 'پیش‌بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک‌کردن با خشک‌کن پیوسته نیمه‌صنعتی به کمک شبکه‌های عصبی مصنوعی', , 13(52), pp. 161-172.
خیاطی, ساسان, امیری چایجان, رضا پیش‌بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک‌کردن با خشک‌کن پیوسته نیمه‌صنعتی به کمک شبکه‌های عصبی مصنوعی. , 2016; 13(52): 161-172.

پیش‌بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک‌کردن با خشک‌کن پیوسته نیمه‌صنعتی به کمک شبکه‌های عصبی مصنوعی

مجله علوم و صنایع غذایی ایران
Article 15, Volume 13, Issue 52, 1395, Pages 161-172    PDF (219.83 K)
Authors
ساسان خیاطی1; رضا امیری چایجان* 2
1دانشجوی کارشناسی ارشد، گروه مهنسی بیوسیستم، دانشگاه بوعلی سینا، همدان
2دانشیار گروه مهندسی بیوسیستم، دانشگاه بوعلی سینا، همدان
Abstract
چکیده هدف از این پژوهش، پیش­بینی برخی خصوصیات حرارتی (ضریب پخش مؤثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشک­کردن با خشک­کن پیوسته نیمه‌صنعتی به کمک شبکه­های عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشک­کن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایش­ها در سه سطح دمای هوای ورودی (45، 60 و 75 درجه سلسیوس)، سه سطح سرعت هوای ورودی (1، 5/1 و 2 متر بر ثانیه) و سه سطح سرعت تسمه (5/2، 5/6 و 5/10 میلی‌متر بر ثانیه) انجام شد. داده­های لازم با استفاده از یک خشک­کن جریان پیوسته نیمه‌صنعتی، جمع­آوری شد. از شبکه­های پس­انتشار پیشرو و پس­انتشار پیشخور با الگوریتم­های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش استفاده شد. برای پیش­­بینی ضریب پخش مؤثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش 1-13-10-3 و 108 چرخه آموزش با 9999/0=R2 مطلوب بود. برای پیش­بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش 1-10-3 و 117 چرخه آموزش با 9961/0=R2 مطلوب بود. بهترین شبکه برای پیش­بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی 1-4-6-3 و 101 چرخه با 9926/0=R2 آموزش بود. بهترین شبکه برای پیش­بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت با توپولوژی 1-7-6-3 و 24 چرخه آموزش با 9139/0=R2 بود. بهترین شبکه برای پیش­بینی نیروی شکست، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش 1-6-8-3 و 69 چرخه آموزش با 9990/0=R2 بود.
Keywords
کلید واژگان: ضریب پخش مؤثر رطوبت; انرژی ویژه مصرفی; چروکیدگی; رنگ‌سنجی و نیروی شکست
Statistics
Article View: 173
PDF Download: 131
Statistics
Number of Journals45
Number of Issues2,160
Number of Articles24,577
Article View19,939,164
PDF Download16,083,140