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
شنبه 29 آذر 1404
مهندسی بیوسیستم ایران
، جلد ۴۸، شماره ۱، صفحات ۱۸-۹
عنوان فارسی
مدلسازی پارامترهای کیفی توت سفید در فرآیند خشک شدن با استفاده از شبکه عصبی مصنوعی
چکیده فارسی مقاله
توت سفید یکی از میوههای سرشار از قند مفید بوده و از راههای نگهداری این محصول خشک کردن میباشد. امروزه شبکههای عصبی مصنوعی در مدلسازی خشککردن در حال رشد و توسعه است. پژوهش حاضر با هدف مدلسازی کیفیت خشکشدن توت سفید توسط شبکه عصبی انجام گردید. آزمایشهای خشککردن توسط خشککن جریان هوای داغ در دو رطوبت اولیه (1± 85% و 1±80%) و در سه دمای 50، 60 و70 درجه سلسیوس و سه جریان هوای 5/1، 2و 5/2 متر بر ثانیه در رطوبت هوای ثابت خشک گردید. به منظور مدلسازی از شبکه عصبی چند لایه (MLP) با توابع آستانه مختلف و تعداد نورون مختلف و الگوریتم آموزش (trainlm) برای آموزش شبکهها استفاده گردید. نتایج نشان داد که شبکه عصبی با ساختار (3-8-3) با توابع آستانه لگاریتمی و تانژانت سیگموئید با ضریب تعیین (9998/0) و مقدار میانگین مربعات خطا (00002/0) در مقایسه با سایر ساختارهای شبکه، نتایج بهتری را ارائه میکند.
کلیدواژههای فارسی مقاله
توت سفید، خشککردن، مدلسازی، اسیدیته، درجه بریکس،
عنوان انگلیسی
Mulberry qualitative pramaters modelling in drying process using artificial neural networks
چکیده انگلیسی مقاله
Mulberry (Morus alba) has been considered as one of the strategic fruits with high levels of useful sugar. Regarding to the advantages of artificial intelligence technology, the application of this technology has been developed extensively to modelling the required parameters in drying procedures.In this study, mulberry drying experiments were implemented in a hot air dryer in two initial moisture levels (%80±1-85%±1) three temperature levels of 50, 60 and 70 and three air speed levels of 1/5, 2 and 2/5 m/s in stable moisture. In order to model the quality of drying, (MLP) neural networks with various threshold and neurons as well as Levenberg-Marquardt algorithm and threshold function of tan-sigmoid were used to instruct networks. The results indicated that the best neural network layout with the structure of (3-12-3) and the threshold function of (Logsig and Purelin) indicate the best result compared to other topologies with the largest coefficient (0/9998) and lowest MSE (0/00002).
کلیدواژههای انگلیسی مقاله
Mulberry, Drying, Modelling, Total dissolved solids, Acidity
نویسندگان مقاله
محمدرضا اصغری | mohammad reza
دانشجو کارشناسی ارشد-دانشگاه شهرکرد
سازمان اصلی تایید شده
: دانشگاه شهرکرد (Shahr kord university)
رحیم ابراهیمی |
عضو هیات علمی دانشگاه شهرکرد
سازمان اصلی تایید شده
: دانشگاه شهرکرد (Shahr kord university)
بهرام حسین زاده |
هیئت علمی- دانشگاه شهرکرد
سازمان اصلی تایید شده
: دانشگاه شهرکرد (Shahr kord university)
داود قنبریان |
هیئت علمی - دانشگاه شهرکرد
سازمان اصلی تایید شده
: دانشگاه شهرکرد (Shahr kord university)
نشانی اینترنتی
http://ijbse.ut.ac.ir/article_61556_2269b1b7cfd91f91dae310d29c52e42f.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-398960.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