پیش بینی ضریب تبدیل شلتوک به برنج سفید در خشک کردن به روش بستر ثابت به کمک شبکه های عصبی مصنوعی

هدف از این تحقیق پیش­بینی ضریب تبدیل شلتوک به برنج سفید در خشک کردن به روش بستر ثابت به کمک شبکه های عصبی مصنوعی است.  چند پارامتر در عملکرد خشک کن های بستر ثابت موثرند که به عنوان متغیرهای مستقل برای شبکه عصبی مصنوعی در نظر گرفته شده­اند.  این متغیرها عبارت­اند از رطوبت نسبی هوای محیط، دمای هوای محیط، سرعت هوای ورودی، عمق بستر شلتوک، دمای هوای ورودی، رطوبت اولیه و رطوبت نهایی.  برای ایجاد الگوهای آموزش و ارزیابی به وسیله یک خشک کن آزمایشگاهی، ۳۵۷ آزمایش خشک کردن اجرا شد.  سپس نمونه هایی از عمق های مختلف خشک کن جدا و عملیات پوست کنی و سفید کردن با دستگاه های آزمایشگاهی انجام شد.  ضریب تبدیل برای تمام عمق ها اندازه­گیری و میانگین آنها به عنوان ضریب تبدیل آزمایش منظور شد.  از شبکه های پس انتشار پیشرو و پس انتشار پیشخور با الگوریتم های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش الگوهای موجود استفاده شد.  نتایج نشان داد که شبکه پس انتشار پیشخور با توپولوژی ۱-۷-۷-۷ و الگوریتم آموزش لونبرگ- مارکوارت و راهبرد توابع یکسان برای تمام لایه ها (تانژانت سیگمویید) قادر است راندمان تبدیل شلتوک را به برنج سفید با ضریب تعیین ۵۵/۹۶ درصد و خطای متوسط مطلق ۰۱۹/۰ در شرایط مختلف خشک کردن شلتوک در گستره بستر ثابت پیش بینی کند.  نتایج نشان داد که دمای هوای ورودی و پس از آن میزان رطوبت نهایی، بیشترین تاثیر را بر ضریب تبدیل شلتوک دارند.