پیش بینی مدول خمشی و مدول الاستیسته تخته خرده چوب با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل های رگرسیونی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 94

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJWP-12-2_010

تاریخ نمایه سازی: 28 اردیبهشت 1401

چکیده مقاله:

امروزه روش های مدلسازی متعددی برای پیش آگاهی و کاهش هزینه های تولید به منظور پیش بینی خواص فیزیکی و مکانیکی فراورده های صفحه ای چوبی استفاده می شود. از جمله این روش ها می توان به روش رگرسیون های و شبکه عصبی مصنوعی اشاره کرد. در این تحقیق امکان پیش بینی مقادیر مدول خمشی (MOR) و مدول الاستیسیته (MOE) تخته خرده چوب با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره و بر اساس مهم ترین پارامتر های ساختاری تخته خرده چوب مانند دانسیته در سه سطح (۶۵/۰، ۷/۰، g/cm۳ ۷۵/۰)، درصد چسب در سه سطح (۸، ۵/۹ و %۱۱) و ضریب کشیدگی در سه سطح (۱۳، ۳۳ و ۴۷) بررسی شد. داده های آزمایشگاهی و داده های پیش بینی شده با مدل های مختلف براساس پارامترهای میانگین قدر مطلق خطا (MAPE)، میانگین مربع خطا (MSE) و ضریب تعیین (R۲ ) مورد مقایسه و ارزیابی قرار گرفتند. نتایج این مطالعه نشان داد که اگرچه هر دو مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی توانایی پیش بینی مقادیر MOR و MOE را با دقت بالایی دارند، اما شبکه عصبی مصنوعی نسبت به رگرسیون خطی چند گانه، مدول خمشی و مدول الاستیسیته تخته خرده چوب را با R۲ بالاتر و MAPE کمتری پیش بینی نمود. مقادیر R۲ و MAPE برای شبکه عصبی به ترتیب ۷۷ /۰ و ۷۲/۷ درصد برای MOR و ۸۶/۰ و ۷ درصد برای MOE به دست آمدند. مقادیر متناظر آنها برای مدل رگرسیون چندگانه به ترتیب ۳/۸ و ۷۳۸/۰، و ۰۶/۹ و ۷۸۳/۰ بودند. این مقدار خطا برای پیش بینی خواص تخته خرده چوب از نظر صنعتی و کاربردی رضایت بخش است.

نویسندگان

محمد عربی

گروه چوب و کاغذ- دانشکده منابع طبیعی- دانشگاه زابل

اکبر رستم پور هفتخوانی

دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

رضا پور بابا

، گروه علوم و صنایع چوب و کاغذ، دانشکده منابع طبیعی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران