با همکاری انجمن مهندسان مکانیک ایران
کلیدواژه‌ها = جنگل تصادفی
مهندسی پس‌ از برداشت، و فرآوری محصولات کشاورزی

مدل‌سازی مقایسه‌ای سینتیک خشک‌کردن برش‌های سیب‌زمینی: روش‌های مبتنی بر هوش مصنوعی در مقایسه با روش‌های تجربی و نیمه‌تجربی

دوره 16، شماره 3، پاییز 1405، صفحه 579-597

https://doi.org/10.22067/jam.2025.92739.1358

رضا رئیسی، مهدی مرادی، علیرضا دهقانی

چکیده خشک‌کردن یکی از روش‌های حیاتی نگهداری در صنعت غذا است که با کاهش رطوبت، کیفیت محصول را حفظ کرده و ماندگاری آن را افزایش می‌دهد. این فرآیند شامل مکانیزم‌های پیچیده انتقال حرارت و جرم بوده و به مدل‌های پیش‌بینی دقیقی نیاز دارد. در این مطالعه، روش‌های مختلف مدل‌سازی شامل مدل‌های رگرسیون، مدل‌های نیمه‌تجربی، و روش‌های مبتنی بر هوش مصنوعی (AI) برای شبیه‌سازی فرآیند خشک‌کردن برش‌های سیب‌زمینی مورد مقایسه قرار گرفتند. آزمایش‌های خشک‌کردن در دماهای 40، 50 و 60 درجه سانتی‌گراد، با و بدون استفاده از مواد تغییر فازدهنده (PCM) و تابش مادون قرمز (IR) انجام شد. مدل‌های هوش مصنوعی شامل شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) با استفاده از داده‌های تجربی آموزش دیده و اعتبارسنجی شدند. عملکرد این مدل‌ها با مدل‌های سنتی و نیمه‌تجربی از نظر ضریب تعیین (R2)، ریشه میانگین مربع خطا (RMSE)، میانگین قدرمطلق خطا (MAE) و خطای میانگین بایاس (MBE) مقایسه شد. نتایج نشان داد که شبکه عصبی مصنوعی (ANN) با دقت پیش‌بینی بسیار بالا (R2= 0.998, RMSE= 0.0656) بهترین عملکرد را داشته و از سایر مدل‌ها دارای دقت بیشتری است. روشSVM  نیز قابلیت پیش‌بینی مناسبی نشان داد، در حالی‌که RF عملکردی اندکی ضعیف‌تر داشت. در میان مدل‌های نیمه‌تجربی، مدل میدیلی (Midilli) بهترین برازش را داشت، اما نسبت به مدل‌های مبتنی بر هوش مصنوعی دقت کمتری نشان داد. این یافته‌ها برتری روش‌های مبتنی بر هوش مصنوعی، به‌ویژه ANN، را در بهینه‌سازی فرآیند خشک‌کردن در صنعت غذا برجسته می‌سازد.