مدل‌سازی
معین کمالی؛ سید جلیل رضوی؛ مرتضی صادقی؛ سید مجتبی شفاعی
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 ...
بیشتر
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.
