پیش بینی جذب رطوبت لوبیا در فرآیند غوطه وری با استفاده از روش شبکه عصبی مصنوعی

در تحقیق حاضر پیش بینی مقدار جذب رطوبت سه رقم لوبیا (تلاش، صدری و محلی خمین) در فرآیند غوطه وری با استفاده از شبکه عصبی مورد بررسی قرار گرفت. آزمایش ها در سه دمای 5، 25 و 45 درجه سانتیگراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. در طراحی شبکه عصبی از دو روش پرسپترون چند لایه (MLP) و تابع شعاع مینا (RBF) با سه لایه نرون استفاده شد. در هر روش از الکوریتمهای غیر خطی ک اهش شیب، شیب توأم و BFGS و توابع مثلثاتی، لگاریتمی، خطی، گاسپین و منطقی برای آموزش، آزمون و ارزیابی شبکه استفاده شد. نتایج نشان داد که روش MLP به دلیل ساختار یادگیری پس انتشار خطا، الگوریتم BFGS و توپولوژی شبکه 1-6-2 بهترین پیش بینی را برای هر سه رقم لوبیا حاصل نمود. برای هر سه رقم واریته آزمایشی نتایج پیش بینی نشان داد که با افزایش دما و زمان غوطه وری، رطوبت جذب شده افزایش می یابد.

کلیدواژه ها:

محتوای رطوبت ، پرسپترون چندلایه ، تابع شعاع مینا ، ساختار شبکه ، الگوریتم آموزش