Using artificial neural networks to predict thermal conductivity of pear juice
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 258
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IFST-11-6_006
تاریخ نمایه سازی: 5 دی 1400
چکیده مقاله:
Thermal conductivity is an important property of juices in the prediction of heat- and mass-transfer coefficients and in the design of heat- and mass-transfer equipment for the fruit juice industry. An artificial neural network (ANN) was developed to predict thermal conductivity of pear juice. Temperature and concentration were input variables. Thermal conductivity of juices was outputs. The optimal ANN model consisted ۲ hidden layers with ۵ neurons in first hidden layer and the second one has only one neuron. The ANN model was able to predict thermal conductivity values which closely matched the experimental values by providing lowest mean square error (R۲=۰.۹۹۹) compared to conventional and multivariable regression models. However this method also improves the problem of determining the hidden structure of the neural network layer by trial and error. It can be incorporated in heat transfer calculations during juices processing where temperature and concentration dependent thermal conductivity values are required.
کلیدواژه ها:
نویسندگان
زینب رفتنی امیری
دانشگاه علوم کشاورزی و منابع طبیعی ساری.
هنگامه درزی اربابی
دانشگاه علوم کشاورزی و منابع طبیعی ساری.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :