تخمین میزان خشک شدن خرمالو با استفاده از شبکه عصبی مصنوعی چندلایه

هدف از این تحقیق پیش بینی محتوای رطوبتی خرمالی در طی خشک کردن یا آون مایکروویو به عنوان تابعی از توان و سرعت هوا به کمک شبکه های عصبی مصنوعی است. در این تحقق اثر عوامل تأثیر گذار توان در سه سطح (100، 300 و 400 وات) و سرعت هوا در چهار سطح (0/25، 0/5 و 0/75 و 1 متر بر ثانیه) بر تغییرات محتوای رطوبتی استفاده شد. برای ایجاد الگوهای آموزش و ارزیابی و تست به کمک یک آون مایکروویو خانگی، آزمایش های خشک کردن انجام گرفت. با به دست آمدن تغییرات محتوای رطوبتی با زمان از شبکه های MLP و TDNN یا الگوریتم های یادگیری بهینه سازی کاهش گرادیان و یا توابع آستانه لوگ سیگموئید و تانژانت سیگموئید برای آموزش الگوها استفاده شد. شبکه عصبی TDNN نتایج بهتری نسبت به شبکه عصبی MLP نشان داد. شبکه TDNN یا ساختار 3-8-1 با تابع آستانه سیگموئید لگاریتمی در مقایسه با توپولوژیهای دیگر نتایج بهتری را ارائه کرد. این توپولوژی تغییرات محتوای رطوبتی را با ضرایب تعیین 0/9979 پیش بینی کرد.

کلیدواژه ها:

خشک کردن خرمالو ، محتوای رصوبتی ، شبکه عصبی مصنوعی