این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۱، شماره ۴۵، صفحات ۱-۱۲
عنوان فارسی مدلسازی سینتیک خشک شدن لایه نازک میوه زرشک (Berberis Vulgaris) به کمک شبکه عصبی مصنوعی شیوا گرجیان ۱، تیمور توکلی هشجین ۲، محمد هادی خوش تقاضا ۳
چکیده فارسی مقاله چکیده به منظور بررسی سینتیک خشک شدن میوه زرشک، آزمایش­هایی در سه سطح دمایی و سه سطح سرعت بر روی نمونه­های شاهد و تیمار شده با شوک حرارتی و امولسیون "6% کربنات پتاسیم + 3% روغن زیتون" در 3 تکرار در قالب طرح بلوک کاملا تصادفی و به صورت فاکتوریل اجرا گردید. بیشترین مدت زمان خشک شدن 2920 دقیقه، برای نمونه­های شاهد در دمای Cº60 و سرعت 3/0 متر بر ثانیه و کمترین مدت زمان 70 دقیقه برای نمونه­های تیمار شده با امولسیون در دمای Cº80 و سرعت 1 متر بر ثانیه ثبت شد. در این تحقیق از شبکه پرسپترون چندلایه با الگوریتم یادگیری لونبرگ- مارکوارت و توابع غیرخطی تانژانت سیگموئیدی و سیگموئید لگاریتمی برای مدلسازی فرایند خشک شدن استفاده شد. تعداد نورون­های ورودی شبکه برابر چهار متغیر در ورودی (نوع پیش­تیمار، دمای هوا، سرعت هوا و زمان) و خروجی شبکه میزان رطوبت زرشک می­باشد. بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Tansig، 1-16-30-4 با ضریب همبستگی 9992/0 و خطای حقیقی 00025/0 بود. علاوه بر این بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Logsig، 1-5-25-4 با ضریب همبستگی 9991/0 و خطای حقیقی 00032/0 بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modeling of thin-layer drying kinetics of barberry Fruit (Berberis Vulgaris) using artificial neural network Gorjian, Sh. 1, Tavakoli Hashtjin, T. 2, Khosh Taghaza, M. H. 3
چکیده انگلیسی مقاله In order to investigate the effect of different levels of temperature, velocity and pretreatment on the drying time of thin layer of Barberries (berberis vulgaris), an experiment using a factorial experiment conducted carried out based on completely randomized block design with three levels of temperature and three levels of velocity for untreated berries and treated berries with heat shocking and "6% k2co3 + 3% olive oil" emulsion with three replicates. Drying times were affected by temperature and pretreatment at the probability level of 99%. The maximum drying time was recorded 2920 minutes for untreated berries at the temperature and velocity of 60 ºC and 0.3 m/s respectively and the minimum drying time was recorded 70 minutes for treated berries with k2co3 and olive oil emulsion. In our study multi layer perceptron (mlp) Neural Network with an adjustment learning algorithm of Levenberg-Marquardt with sigmoid logarithm and sigmoid tangent functions were used. The best topology of MLP with LM learning algorithm and Tansig threshold function can predict the moisture content was 4-30-16-1 with correlation coefficient of 0.9992 and actual error of 0.00025. Besides the best topology of this neural structure with Logsig threshold function can predict the moisture content was 4-25-5-1 with correlation coefficient of 0.9991 and actual error of 0.00032. These results indicate ability of artificial neural network to model and predict drying process.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی http://fsct.modares.ac.ir/article_10739_535381a8e9511a4ecc7b5685b6060467.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198345.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات