پیش بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک کردن با خشک کن پیوسته نیمه صنعتی به کمک شبکه های عصبی مصنوعی

هدف از این پژوهش، پیش بینی برخی خصوصیات حرارتی (ضریب پخش موثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشک کردن با خشک کن پیوسته نیمه صنعتی به کمک شبکه های عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشک کن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایش ها در سه سطح دمای هوای ورودی (45، 60 و 75 درجه سلسیوس)، سه سطح سرعت هوای ورودی (1، 5 /1 و 2 متر بر ثانیه) و سه سطح سرعت تسمه (5/ 2، 5/ 6 و 5/ 10 میلی متر بر ثانیه) انجام شد. داده های لازم با استفاده از یک خشک کن جریان پیوسته نیمه صنعتی، جمع آوری شد. از شبکه های پس انتشار پیشرو و پس انتشار پیشخور با الگوریتم های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش استفاده شد. برای پیش بینی ضریب پخش موثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش 1-13-10-3 و 108 چرخه آموزش با 9999/ 0=R2 مطلوب بود. برای پیش بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش 1-10-3 و 117 چرخه آموزش با 9961/ 0=R2 مطلوب بود. بهترین شبکه برای پیش بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی 1-4-6-3 و 101 چرخه با 9926/ 0=R2 آموزش بود. بهترین شبکه برای پیش بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت با توپولوژی 1-7-6-3 و 24 چرخه آموزش با 9139/ 0=R2 بود. بهترین شبکه برای پیش بینی نیروی شکست، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش 1-6-8-3 و 69 چرخه آموزش با 9990/ 0=R2 بود.