این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش و نوآوری در علوم و صنایع غذایی، جلد ۹، شماره ۴، صفحات ۴۱۱-۴۲۲
عنوان فارسی پیش‌بینی نسبت رطوبت ورقه‌های خشک‌شدۀ گوجه‌فرنگی با استفاده از مدل‌سازی شبکۀ عصبی مصنوعی و الگوریتم ژنتیک
چکیده فارسی مقاله امروزه، استفاده از شبیه‌ساز ریاضی و مدل‌سازی منحنی‌های خشک‌کردن، ابزار مفیدی برای بهبود سیستم‌های کنترل کیفیت محصول نهایی در شرایط مختلف است. این روش‌ها معمولاً برای مطالعۀ عوامل موجود در فراآیند، بهینه‌سازی شرایط و فاکتورهای کاری و پیش‌بینی سینتیک خشک‌شدن محصول اعمال می‌شود. در مقالۀ حاضر به‌منظور پیش‌بینی نسبت رطوبت ورقه‌های گوجه‌فرنگی خشک‌شده از دو ابزار هوشمند ازجمله شبکۀ عصبی مصنوعی (ANN) و الگوریتم ژنتیک (GA) استفاده شده است. برای‌این‌منظور، ابتدا 4 مدل ریاضی از سایر مطالعه‌ها گرفته شد و سپس با داده‌های تجربی مطابقت داده شدند. سپس بهترین مدل برازش برای منحنی خشک‌کردن گوجه‌فرنگی انتخاب شد. طبق نتایج، مدلی که توسط آغباشلو و همکاران پیشنهاد شده است، عملکرد بسیار خوبی به‌منظور پیش‌بینی نسبت رطوبت ورقه‌های گوجه‌فرنگی خشک‌شده نشان داد. علاوه‌بر این، از الگوریتم ژنتیک برای بهینه‌سازی بهترین مدل تجربی استفاده شد. درنهایت، نتایج این تحقیق با نتایج مشاهده‌شده در مدل‌های شبکۀ عصبی مصنوعی و الگوریتم ژنتیک مقایسه شد. نتایج نشان داد که مدل الگوریتم ژنتیک دقت بالاتری را به‌منظور پیش‌بینی نسبت رطوبت گوجه‌فرنگی خشک با ضریب همبستگی (R2) 0/9987 ارائه می‌دهد.
کلیدواژه‌های فارسی مقاله الگوریتم ژنتیک، خشک‌شدن لایۀ نازک، شبکۀ عصبی مصنوعی، ورقۀ گوجه‌فرنگی،
عنوان انگلیسی Predicting the Moisture Ratio of Dried Tomato Slices Uusing Artificial Neural Network and Genetic Aalgorithm Modeling
چکیده انگلیسی مقاله Nowadays, mathemathical simulation and modeling of drying curves are useful instruments in order to improve control systems for final product quality under various conditions. These approaches are usually applied for studying the factors present in the process, optimization of the conditions and working factors as well as predicting the drying kinetics of products. Two intelligent tools including artificial neural network (ANN) and genetic algorithm (GA) were used in the current paper for predicting tomato drying kinetics. For this purpose, four mathematical models were taken from the literatures, then they were matched with the empirical data. Final step was choosing the best fitting model for tomato drying curves. According to the results, the model proposed by Aghbashlo et al (Agh-m) showed great performance in predicting the moisture ratio of the dried tomato slices. Moreover, the genetic algorithm was utilized for optimization of the best empirical model. Ultimately, the results were compared with the findings observed in ANN and GA models. The comparison indicated that the GA model offers higher accuracy for predicting the moisture ratio of dried tomato with the correlation coefficient (R2) of 0.9987.
کلیدواژه‌های انگلیسی مقاله الگوریتم ژنتیک, خشک‌شدن لایۀ نازک, شبکۀ عصبی مصنوعی, ورقۀ گوجه‌فرنگی
نویسندگان مقاله محسن مختاریان |
استادیار، گروه علوم و صنایع غذایی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران

مجتبی حیدری مجد |
مربی، گروه علوم و صنایع غذایی و تغذیه، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران

امیر دارائی گرمه‌خانی |
استادیار، گروه علوم و صنایع غذایی، دانشکده فنی و منابع طبیعی تویسرکان، دانشگاه بوعلی سینا، همدان، ایران

الهام زایرزاده |
دانش‌آموختۀ دکتری، گروه علوم و صنایع غذایی، دانشگاه فردوسی مشهد، مشهد، ایران

نشانی اینترنتی https://journals.rifst.ac.ir/article_124760_9fda32b63aa99789419daf8e2ebde694.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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