این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
چهارشنبه 19 آذر 1404
علوم و صنایع غذایی ایران
، جلد ۱۹، شماره ۱۲۵، صفحات ۲۴۳-۲۵۳
عنوان فارسی
استفاده از روش نرو- فازی برای مدلسازی فرآیند آبگیری از برشهای موز به روش اسمز- فراصوت
چکیده فارسی مقاله
سیستم استنتاج تطبیقی فازی- عصبی (نرو- فازی یا انفیس) یک شبکه ترکیبی عصبی- فازی شناخته شده برای مدلسازی سیستمهای پیچیده است
.
در این سیستم
متداولترین روش خوشهبندی فازی، الگوریتم خوشهبندی کاهشی فازی است.
در این الگوریتم، یک خوشه با درجه مشخص برای هر نقطه داده وجود دارد که توسط یک سطح تابع عضویت توضیح داده میشود
.
در این مطالعه از مدل
انفیس
برای پیشبینی کاهش وزن (%)، جذب مواد جامد (%)، کاهش آب (%) و آبگیری مجدد (%) برشهای موز آبگیری شده به روش اسمز-فراصوت استفاده شد
.
مدل
انفیس
با 3 ورودی توان فراصوت (در سه سطح 0، 75 و 150 وات)، زمان تیمار فراصوت (در سه زمان 10، 15 و 20 دقیقه) و غلظت محلول ساکارز (در سه سطح 30، 45
و 60 درجه بریکس) برای پیشبینی ویژگیهای برشهای موز آبگیری شده، توسعه یافت
.
مقادیر
ضریب تبیین
محاسبهشده برای پیشبینی کاهش وزن (%)، جذب مواد جامد (%)، کاهش آب (%) و آبگیری مجدد (%) برشهای موز آبگیری شده با استفاده از الگوریتم خوشهبندی کاهشی مبتنی بر انفیس به ترتیب برابر 93/0، 95/0، 94/0 و 91/0 بود
.
در مجموع میتوان بیان داشت که میزان ضرایب تبیین بالای بین نتایج تجربی و خروجیهای مدل انفیس بیانگر دقت قابل قبول و قابلیت استفاده از این روش در کنترل فرایندهای پیچیده صنایع غذایی از جمله فرآیندهای آبگیری و خشککردن است.
کلیدواژههای فارسی مقاله
انفیس،خوشهبندی کاهشی،سیستم استنتاج تطبیقی فازی-عصبی،فراصوت،مدلسازی،
عنوان انگلیسی
Application of neuro-fuzzy approach for modeling of dehydration process from banana slices by osmosis-ultrasound method
چکیده انگلیسی مقاله
Adaptive neuro-fuzzy inference system (neuro-fuzzy or ANFIS)
is a well-known hybrid neuro-fuzzy network for modeling complex systems. In this
system ,the
most frequently used fuzzy clustering method is the fuzzy subtractive clustering algorithm. In this algorithm, a cluster with a certain degree has each data point, explained by a
membership function
level.
In this study, ANFIS model was used for prediction of
weight reduction (%), solid gain (%),water loss (%) and rehydration (%) of banana slices dehydrated by osmosis-ultrasound method.
The ANFIS model was developed with 3 inputs of
sonication power (at three levels of 0, 75 and 150 watts), ultrasound treatment time (at three times of 10, 15 and 20 minutes) and sucrose solution concentration (at three levels of 30, 45 and 60 °Brix)
to predict the characteristics of dehydrated banana slices. The calculated coefficient of determination values for prediction of
weight reduction (%), solid gain (%),water loss (%) and rehydration (%) of
dehydrated
banana slices
using the ANFIS-based subtractive clustering algorithm were 0.93, 0.95, 0.94, and 0.91, respectively.
In general, it can be said that the high coefficients of determination between the experimental results and the outputs of the ANFIS model indicate acceptable accuracy and usability this method in controlling complex processes in the food industry, including dehydration and drying processes.
کلیدواژههای انگلیسی مقاله
انفیس,خوشهبندی کاهشی,سیستم استنتاج تطبیقی فازی-عصبی,فراصوت,مدلسازی
نویسندگان مقاله
فخرالدین صالحی |
دانشیار، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
رعنا چراغی |
دانشجوی کارشناسی ارشد، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
مجید رسولی |
استادیار، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
نشانی اینترنتی
https://fsct.modares.ac.ir/article_26748_48731be84426c19919ec40200c2535b0.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