مدلسازی سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و شبکههای عصبی مصنوعی | ||
| ماشین های کشاورزی | ||
| مقاله 5، دوره 5، شماره 2 - شماره پیاپی 10، 1394، صفحه 270-280 اصل مقاله (509.41 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jam.v5i2.28305 | ||
| نویسندگان | ||
| معین کمالی؛ سید جلیل رضوی* ؛ مرتضی صادقی؛ سید مجتبی شفاعی | ||
| گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران | ||
| چکیده | ||
| در این تحقیق پیشبینی مقدار جذب رطوبت سه رقم جو (ریحان03، فجر و MB862) در فرآیند غوطهوری با استفاده از مدل ریاضی و شبکه عصبی مصنوعی مورد بررسی قرار گرفت. آزمایشها در سه دمای 10، 20 و 45 درجه سانتیگراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. مقدار جذب رطوبت دانهها با اندازهگیری تغییر وزن دانهها محاسبه گردید. از مدل ویسکوالاستیک که توانایی خوبی در تحلیل فاز اول و دوم جذب رطوبت در فرآیند خیساندن محصولات کشاورزی را دارد، استفاده گردید. در طراحی شبکه عصبی از دو روش پرسپترون چندلایه (MLP) و تابع شعاع مبنا (RBF) با سه لایه نورون استفاده شد. لایه اول، لایه ورودی که متغیرهای مستقل دما و زمان و لایه دوم، لایههای مخفی شبکه و لایه سوم، لایه خروجی که متغیر وابسته محتوای رطوبتی میباشد، انتخاب گردید. بهمنظور اعتبارسنجی پیشبینی مدل ویسکوالاستیک و شبکه عصبی بهترتیب از شاخصهای آماری بیشترین ضریب تبیین (R2) و کمترین ریشه میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان داد که روش پرسپترون چندلایه بهدلیل ساختار یادگیری پس از انتشار خطا، با الگوریتمBFGS و ساختار شبکه 1-4-2 بهترین نتایج را برای هر سه رقم جو در مقابل مدل ریاضی ویسکوالاستیک حاصل نمود. ترسیم نمودارهای سه بعدی محتوای رطوبت لحظهای بر پایه متغیرهای دما و زمان براساس پیشبینی شبکه عصبی انتخاب شده برای هر سه رقم واریته آزمایشی نشان داد که با افزایش دما و زمان غوطهوری، رطوبت جذب شده افزایش یافت. | ||
| کلیدواژهها | ||
| الگوریتم آمورش؛ پرسپترون چند لایه؛ تابع شعاع مبنا؛ غوطه وری؛ محتوای رطوبت | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,679 تعداد دریافت فایل اصل مقاله: 1,888 |
||