پیش بینی ضریب تبدیل شلتوک به برنج سفید در خشک کردن به روش بستر ثابت به کمک شبکه های عصبی مصنوعی
Abstract(in Persian; no English abstract is available)
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 مؤثرند که به عنوان متغیرهای مستقل برای شبکة 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 وسیلة یک خشک کن آزمایشگاهی، 357 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 شبکة پس انتشار پیشخور با توپولوژی 1-7-7-7 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 55/96 درصد و خطای متوسط مطلق 019/0 در شرایط مختلف خشک کردن شلتوک در گسترة بستر ثابت پیش بینی کند. نتایج نشان داد که دمای هوای ورودی و پس از آن میزان رطوبت نهایی، بیشترین تأثیر را بر ضریب تبدیل شلتوک دارند.