کرمی, پروانه, زندی, محسن, گنجلو, علی (2022). مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی. , 19(123), 341-354. doi: 10.52547/fsct.19.123.341
پروانه کرمی; محسن زندی; علی گنجلو. "مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی". , 19, 123, 2022, 341-354. doi: 10.52547/fsct.19.123.341
کرمی, پروانه, زندی, محسن, گنجلو, علی (2022). 'مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی', , 19(123), pp. 341-354. doi: 10.52547/fsct.19.123.341
کرمی, پروانه, زندی, محسن, گنجلو, علی مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی. , 2022; 19(123): 341-354. doi: 10.52547/fsct.19.123.341

مدل‌سازی ریاضی، منطق فازی و شبکه عصبی مصنوعی سینتیک استخراج اسانس از اندام هوایی بومادران (Achillea millefolium L.) با روش تقطیر مقاومتی

مجله علوم و صنایع غذایی ایران
Article 27, Volume 19, Issue 123, 1401, Pages 341-354    PDF (1.96 M)
DOI: 10.52547/fsct.19.123.341
Authors
پروانه کرمی1; محسن زندی* 2; علی گنجلو3
1کارشناس ارشد، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
2استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران
3دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران.
Abstract
هدف پژوهش حاضر، پیش‌بینی سینتیک استخراج اسانس طی تقطیر مقاومتی با سه مدل مختلف (روش‌های رگرسیون غیر خطی (ریاضی)، شبکه عصبی مصنوعی (ANN) و منطق فازی) برای مقایسه دقت این مدل‌ها بود. بر اساس نتایج به دست آمده شبکه عصبی مصنوعی بهترین روش در بین همه مدل‌های اجرا شده برای پیش‌بینی عملکرد استخراج بود. چهار مدل ریاضی (مدل‌های مرتبه اول، مرتبه دوم، جذب و سیگموئید) بر داده‌های تجربی عملکرد استخراج برازش گردید. نتایج نشان داد که مدل مرتبه اول می‌تواند عملکرد استخراج اسانس را با ضریب همبستگی (R2) برابر 988/0 و ریشه میانگین مربعات خطا (RMSE) برابر 00014/0 به‌طور رضایت‌بخشی توصیف کند. شبکه عصبی با یک و دو لایه پنهان و 4 تا 30 نورون به‌طور تصادفی انتخاب شد و قدرت شبکه برای پیش‌بینی عملکرد استخراج برآورد شد. شبکه عصبی با ساختار پس‌انتشار پیش‌خور، الگوریتم آموزش لونبرگ-مارکوآرت و پیکربندی 3-11-11-1 دارای حداکثر R2 (999/0) و حداقل RMSE (0004/0) هستند. ابزار منطق فازی در متلب با مدل ممدانی در قالب قوانین اگر-آنگاه همراه با تابع عضویت مثلثی برای پیش‌بینی عملکرد استخراج استفاده گردید. علی‌رغم این واقعیت که منطق فازی نرخ برازش کمتری (997/0= R2) نسبت به ANNرا تضمین می‌کند، این یک تکنیک قدرتمند برای برازش داده‌های تجربی عملکرد استخراج بود.
Keywords
بومادران; مدل ریاضی; شبکه عصبی مصنوعی; منطق فازی
References
Statistics
Article View: 155
PDF Download: 93
Statistics
Number of Journals45
Number of Issues2,160
Number of Articles24,571
Article View19,761,366
PDF Download15,979,675