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
پنجشنبه 20 آذر 1404
علوم و صنایع غذایی ایران
، جلد ۱۶، شماره ۸۸، صفحات ۲۰۱-۲۱۹
عنوان فارسی
پیش بینی سینتیک خشک کردن توت سفید در خشک کن مایکرویو- هوای داغ: مقایسه بین مدل های ریاضی، شبکه های عصبی مصنوعی و انفیس
چکیده فارسی مقاله
هدف از این پژوهش، تعیین سینتیک، ضریب پخش رطوبت موثر، انرژی فعالسازی، انرژی مصرفی ویژه و همچنین پیش بینی نسبت رطوبت توت سفید در طی فرآیند خشککردن با خشککن مایکرویو- هوای داغ به کمک مدل های ریاضی، شبکههای عصبی مصنوعی (ANN) و انفیس (ANFIS) است. خشککردن محصول در سه دمای 40، 55 و°C 70، در سه سرعت جریان هوای 5/0،1 و m/s 5/1 و سه توان مایکرویوو 270 ،450 و W 630 انجام شد. برای انتخاب یک منحنی خشککردن مناسب، ده مدل لایه نازک خشک شدن، شبکههای عصبی مصنوعی و انفیس به دادههای آزمایشگاهی برازش شد. نتایج نشان داد که بیشترین و کمترین مقدار ضریب پخش رطوبت موثر به ترتیب (m2/s 9-10×56/3 و کمترین مقدار m2/s10-10×86/3) به دست آمد. همچنین کمترین و بیشترین مقدار انرژی مصرفی ویژه به ترتیب 54/48 وMj/kg 88/1380 محاسبه شد. در میان مدلهای ریاضی مورد تحقیق مدلPage بهترین مدل برای تشریح رفتار خشکشدن لایه نازک توت را داشت. نتایج نشان داد مقادیر خطای میانگین مربعات ( )، برای مدلهای ریاضی، ANN، و ANFISبه ترتیب 0059/0، 0052/0 و 0044/0 به دست آمد. بنابراین مدل ANFIS با بیشترین مقدار ضریب همبستگی (99995/0= )، کمترین درصد میانگین خطای نسبی (84/1= ) و خطای میانگین مربعات (0044/0= ) برای ارزیابی نسبت رطوبت در مقایسه با سایر روشهای اجرا شده در این پژوهش به عنوان بهترین مدل انتخاب شد
کلیدواژههای فارسی مقاله
توت سفید،نسبت رطوبت،ضریب پخش رطوبت موثر،شبکههای عصبی مصنوعی،انفیس،
عنوان انگلیسی
Prediction of white mulberry drying kinetics in microwave- convective dryer: A comparative study between mathematical model, artificial neural network and ANFIS
چکیده انگلیسی مقاله
The aim of this study was to determine the kinetics, effective moisture diffusivity, activation energy, specific energy consumption, and also predict the moisture content of white mulberry during the drying process with microwave-hot air dryer using mathematical models, Artificial Neural Networks (ANN) and Neuro-Fuzzy Inference System (ANFIS). Drying process was accomplished in three temperature levels (40, 55, and 70°C), three inlet air velocity levels (0.5, 1 and 1.5 m/s) and three microwave power levels (270, 450 and 630 W). To estimate the moisture ratio of white mulberry, 10 mathematical models, ANN and ANFIS were used to fit the experimental data of thin-layer drying. The results showed, the maximum and minimum effective moisture diffusivity during drying was calculated 3.56×10-9 and 3.86×10-10 m2/s, respectively. Also, the minimum and maximum effective moisture diffusivity during drying was achieved 48.54 and 1380.88 Mj/kg, respectively. Among the mathematical models under study, the Page model was the best model for describing the behavior of the thin layer of white mulberry drying. The mean square error (MSE) values for the mathematical models, ANN, and ANFIS were 0.00059, 0.0052 and 0.0044, respectively. Therefore, the ANFIS model with the highest Correlation Coefficient (R2=0.99995), the least percentage of mean relative error (ε=1.84) and mean square error (MSE=0.0044) were used to evaluate the moisture ratio in comparison with other methods implemented in this research Selected as the best model
کلیدواژههای انگلیسی مقاله
توت سفید,نسبت رطوبت,ضریب پخش رطوبت موثر,شبکههای عصبی مصنوعی,انفیس
نویسندگان مقاله
محمد کاوه |
دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران.
احمد جهانبخشی |
دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل، ایران.
ایمان گل پور |
دانشجوی دکتری رشته مکانیک بیوسیستم دانشگاه ارومیه
ترحم مصری گندشمن |
دانشیار گروه مهندسی مکانیک بیوسیستم، دانشگاه محقق اردبیلی، اردبیل،
یوسف عباسپور گیلانده |
استاد گروه مکانیک بیوسیستم دانشگاه شهید محقق اردبیل
شاهپور جاهدی راد |
بخش علوم کشاورزی، دانشگاه پیام نور، تهران، ایران
نشانی اینترنتی
https://fsct.modares.ac.ir/article_25931_697b64ac5d7c760068db171f019d2e66.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