پیش‌بینی ضریب تبدیل شلتوک به برنج سفید در خشک‌کردن به روش بستر ثابت به کمک شبکه‌های عصبی مصنوعی

Abstract

هدف از این تحقیق پیش­بینی ضریب تبدیل شلتوک به برنج سفید در خشک‌کردن به روش بستر ثابت به کمک شبکه‌های عصبی مصنوعی است. چند پارامتر در عملکرد خشک‌کن‌های 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 خشک‌کن آزمایشگاهی، 357 آزمایش خشک کردن اجرا شد. سپس نمونه‌هایی از عمق‌های مختلف خشک‌کن جدا و عملیات پوست‌کنی و سفید‌کردن با دستگاه‌های آزمایشگاهی انجام شد. ضریب تبدیل برای تمام عمق‌ها اندازه­گیری و میانگین آنها به عنوان ضریب تبدیل آزمایش منظور شد. از شبکه‌های پس انتشار پیشرو و پس‌انتشار پیشخور با الگوریتم‌های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش الگوهای موجود استفاده شد. نتایج نشان داد که شبکة پس‌انتشار پیشخور با توپولوژی 1-7-7-7 و الگوریتم آموزش لونبرگ- مارکوارت و راهبرد توابع یکسان برای تمام لایه‌ها (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 خشک‌کردن شلتوک در گسترة بستر ثابت پیش‌بینی کند. نتایج نشان داد که دمای هوای ورودی و پس از آن میزان رطوبت نهایی، بیشترین تأثیر را بر ضریب تبدیل شلتوک دارند.