پيش بيني سينتيك خشك كردن توت سفيد در خشك كن مايكرويو- هواي داغ: مقايسه بين مدل هاي رياضي، شبكه هاي عصبي مصنوعي و انفيس

Prediction of white mulberry drying kinetics in microwave- convective dryer: A comparative study between mathematical model, artificial neural network and ANFIS

هدف از اين پژوهش، تعيين سينتيك، ضريب پخش رطوبت موثر، انرژي فعال‌سازي، انرژي مصرفي ويژه و همچنين پيش بيني نسبت رطوبت توت سفيد در طي فرآيند خشك‌كردن با خشك‌كن مايكرويو- هواي داغ به كمك مدل هاي رياضي، شبكه‌هاي عصبي مصنوعي (ANN) و انفيس (ANFIS) است. خشك‌كردن محصول در سه دماي 40، 55 و°C 70، در سه سرعت جريان هواي 5/0،1 و m/s 5/1 و سه توان مايكرويوو 270 ،450 و W 630 انجام شد. براي انتخاب يك منحني خشك‌كردن مناسب، ده مدل لايه نازك خشك شدن، شبكه‌هاي عصبي مصنوعي و انفيس به داده‌هاي آزمايشگاهي برازش شد. نتايج نشان داد كه بيشترين و كمترين مقدار ضريب پخش رطوبت موثر به ترتيب (m2/s 9-10×56/3 و كمترين مقدار m2/s10-10×86/3) به دست آمد. همچنين كمترين و بيشترين مقدار انرژي مصرفي ويژه به ترتيب 54/48 وMj/kg 88/1380 محاسبه شد. در ميان مدل‌هاي رياضي مورد تحقيق مدلPage بهترين مدل براي تشريح رفتار خشك‌شدن لايه نازك توت را داشت. نتايج نشان داد مقادير خطاي ميانگين مربعات ( )، براي مدل‌هاي رياضي، ANN، و ANFISبه ترتيب 0059/0، 0052/0 و 0044/0 به دست آمد. بنابراين مدل ANFIS با بيشترين مقدار ضريب همبستگي (99995/0= )، كمترين درصد ميانگين خطاي نسبي (84/1= ) و خطاي ميانگين مربعات (0044/0= ) براي ارزيابي نسبت رطوبت در مقايسه با ساير روش‌هاي اجرا شده در اين پژوهش به عنوان بهترين مدل انتخاب شد

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