شبکه عصبی مصنوعی در پیش بینی محتوای رطوبتی

توضیحات

کاربرد شبکه عصبی مصنوعی در پیش ­بینی محتوای رطوبتی در طی فرآیند خشک ­کردن انگور  

هدف از این تحقیق پیش­بینی محتوای رطوبتی انگور در طی خشک کردن با جریان هوای گرم به عنوان تابعی از دما و سرعت هوا به کمک شبکه های عصبی مصنوعی  است. در این تحقیق اثر عوامل تاثیرگذار دمای هوا در سه سطح (۵۰، ۶۰ و ۷۰ درجه سلسیوس) و سرعت هوا در چهار سطح (۲۵/۰، ۵/۰، ۷۵/۰ و ۱ متر بر ثانیه) بر تغییرات محتوای رطوبتی استفاده شد. برای ایجاد الگوهای آموزش و ارزیابی و تست  به کمک یک خشک­کن آزمایشگاهی، آزمایش­های خشک کردن انجام گرفت. با به دست آمدن تغییرات محتوای رطوبتی با زمان از شبکه­های MLP و  TDNNبا الگوریتم­های یادگیری لونبرگ- مارکوارت برای آموزش الگوها استفاده شد. شبکه عصبی TDNN نتایج بهتری نسبت به شبکه عصبی MLP نشان داد. شبکه TDNN با ساختار ۱- ۸- ۳ با تابع آستانه سیگموئید لگاریتمی در مقایسه با توپولوژیهای دیگر نتایج بهتری را ارائه کرد. این توپولوژی تغییرات محتوای رطوبتی را با ضرایب تعیین ۹۹۷۹/۰ پیش بینی کرد.

کلید واژه: خشک کردن انگور، محتوای رطوبتی، شبکه عصبی مصنوعی ، سری زمانی