مدل‌سازی افت وزن زردآلو طی خشک‌کردن با خشک‌کن فروسرخ به روش بهینه‌سازی الگوریتم ژنتیک- شبکه عصبی مصنوعی

Abstract

<strong>زمینه مطالعاتی</strong>: مدل‌سازی خشک‌کردن محصولات کشاورزی، یکی از راه‌های مناسب برای کنترل زمان و شرایط خشک‌کردن می‌باشد. <strong>هدف</strong>: در این مطالعه جهت خشک‌کردن و افزایش زمان ماندگاری زردآلو، از روش پرتودهی فروسرخ استفاده گردید. <strong>روش کار</strong>: اثر توان لامپ فروسرخ در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 5/7 و 10 سانتی‌متر و در مدت زمان 160 دقیقه بر خشک‌کردن زردآلو بررسی شد. <strong>نتایج</strong>: نتایج خشک‌کردن زردآلو به روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه‌ها از منبع حرارتی، سرعت خشک‌کردن افزایش می‌یابد. مدل‌سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با 3 ورودی (توان لامپ، فاصله لامپ و زمان) و 1 خروجی (کاهش وزن) انجام شد. نتایج مدل‌سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه‌ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی سیگموئیدی می‌تواند درصد کاهش وزن را طی فرآیند خشک‌کردن زردآلو به روش فروسرخ را با ضریب همبستگی برابر 9987/0 و میانگین مربعات خطا برابر 9215/1 پیشگویی نماید. <strong>نتیجه‌گیری نهایی</strong>: نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که زمان خشک‌کردن به عنوان مؤثرترین عامل در کنترل کاهش وزن برش‌های زردآلو می‌باشد.