خشک شدن همرفتی سیر (Allium sativum L.): رویکرد شبکه های عصبی مصنوعی برای مدل سازی فرآیند خشک کردن

در این مطالعه، شبکه عصبی مصنوعی برای مدل سازی و پیش بینی میزان رطوبت سیر در طی خشک کردن سیر استفاده شد. برای این منظور شبکه عصبی مصنوعی پرسپترون چندلایه تحت عنوان پس انتشار پیشرو به کار گرفته شد. پارامترهای مهم از جمله دمای هوای خشک کردن (۵۰، ۶۰ و ۷۰ درجه سانتی گراد)، ضخامت ورقه ­ها (۲، ۳ و ۴ میلی متر) و زمان خشک کردن به عنوان ورودی و محتوای رطوبت به عنوان خروجی شبکه در نظر گرفته شد. داده های آزمایشگاهی به دست آمده از فرآیند خشک کردن لایه نازک سیر برای آموزش و تست شبکه استفاده شد. توپولوژی بهینه ۳-۲۵-۵-۱ با الگوریتم LM و تابع آستانه TANSIG برای لایه ها بود. با این شبکه بهینه، مقدار R۲  و خطای نسبی به ترتیب ۹۹۲۳/۰ و ۶۷/۹ درصد بود. مقدار MC برای سیر را می توان با استفاده از شبکه عصبی، با میانگین خطای متوسط کمتر و ضریب تبیین بیشتر نسبت به مدل ریاضی ویبل پیش بینی کرد.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، انتشار اولیه ، خشک کردن همرفتی ، سیر ، محتوای رطوبت