مقايسه مدل‌ رياضي و شبكه عصبي مصنوعي در تخمين نسبت رطوبت برش‌هاي پرتقال طي فرآيند خشك‌شدن

در تحقيق حاضر، خشك‌كردن لايه نازك برش‌هاي پرتقال در خشك‌كن هواي داغ آزمايشگاهي مدل‌سازي گرديد. فرايند خشك‌كردن تحت شرايط متفاوت، سه دماي 50، 60 و 70 C° و سرعت جابه‌جايي هواي 1.0و  2.0 m/s انجام شد. آناليز آماري داده‌ها نشان داد كه تغييرات دما و سرعت جابه‌جايي هوا بر روي نسبت رطوبت اثرات معني‌داري 0.05 p داشته، اما اثر متقابل دما و سرعت جابه‌جايي هوا، اثر معني‌دار نداشته است. بنابر نتايج حاصل، كم‌ترين نسبت رطوبت در برش‌هاي پرتقال خشك شده تحت دماي 70 C° و سرعت جابه‌جايي هواي 2 m/s به‌ميزان 5.3% به‌دست آمد. پس از انجام آزمايش‌ها، داده‌هاي حاصل از آزمايش‌هاي خشك‌كردن با 7 مدل شناخته‌شده رياضي برازش داده شد. بر اساس نتايج برازش، مدل پيج با بالاترين مقدار ضريب تعيين 0.9992=R2 و 10^-3×2.71=RMSE در مقايسه با ساير مدل‌ها عملكرد بهتري در برآورد نسبت رطوبت، نشان داد. هم‌چنين، از مدل شبكه عصبي مصنوعي پس‌انتشار پيش‌خور براي تخمين نسبت رطوبت برش‌هاي پرتقال بر اساس سه متغير ورودي مدت زمان خشك‌كردن، دما و سرعت جابه‌جايي هوا استفاده شد. در طراحي اين شبكه از دو تابع آستانه تانژانت هيپربوليك و خطي در لايه پنهان و خروجي استفاده گرديد. شبكه عصبي طراحي شده با توپولوژي 1-20-3 و الگوريتم آموزشي لونبرگماركوات بهترين نتايج را با بالاترين مقدار ضريب تعيين 0.9994=R2 و كم‌ترين مقدار ريشه مجذور خطا 10^-3×1.009=RMSE  ارائه داد. نتايج نشان داد كه شبكه عصبي پرسپترون چند لايه، داراي دقت بالاتري در تخمين نسبت رطوبت برش‌هاي پرتقال طي فرايند خشك‌شدن است.