کاربرد روش ترکیبی سطح پاسخ و شبکه‌ی عصبی مصنوعی در پیش بینی سینتیک خشک کردن یک ماده‌ی غذایی تحت شرایط مختلف خشک کردن

Abstract

خشک کردن مواد غذایی به عنوان روشی جهت بهبود ماندگاری، ارائه شده است. به منظور پایش این فرایند از مدل‌های مختلف شبکه‌ی عصبی نظیر شبکه‌ی عصبی پرسپترون، تابع پایه‌ی شعاعی و مدل ترکیبی شبکه‌ی عصبی و روش شناسی سطح پاسخ به همراه توابع فعال سازی مختلف به عنوان یک ابزار پیش بینی کننده‌ی پارامترهای خشک کردن کدوی سبز استفاده گردید. پارامترهای زمان خشک کردن، دمای هوای خشک کردن و ضخامت نمونه به عنوان ورودی شبکه و از طرف دیگر، عدد فوریه، انرژی اکتیواسیون، ضریب انتشار رطوبت و چروکیدگی به عنوان خروجی شبکه در نظر گرفته شد. نتایج مدلسازی نشان داد که مدل شبکه‌ی عصبی پرسپترون همراه با تابع محرک لوگ سیگموئید- لوگ سیگموئید به عنوان بهترین تابع محرک مدل، توانست مقادیر انرژی اکتیواسیون، عدد فوریه، چروکیدگی و ضریب انتشار رطوبت را به ترتیب با ضرایب رگرسیون 999/0، 992/0، 999/0 و 991/0 پیش بینی نماید. <strong> </strong>