مدلسازی خصوصیات فیزیکی تخته خرده چوب ساخته شده از ساقه کلزا با استفاده از شبکه های عصبی مصنوعی:MLP، RBFN و ANFIS

فاکتورهای مختلفی بر روی خواص اوراق مرکب چوبی تاثیر گذار هستند. بررسی تمامی این فاکتورها نتنها اتلاف وقت و انرژی را افزایش می دهد، همچنین دقت در برآورد میزان تاثیر متغیرهای انتخاب شده در ساخت به منظور حصول نقطه بهینه از خواص مختلف فراورده های مرکب چوبی را کاهش می دهد. از اینرو، لازم است تا از متدهای نوین آماری برای تعیین مدل برآورد کننده نقطه بهینه تولید استفاده نمود. هدف این تحقیق، ارزیابی عملکرد شبکه های عصبی مصنوعی در راستای مدلسازی خواص فیزیکی تخته خرده چوب ساخته شده از ساقه کلزا بود. مدلسازی و امکان تخمین خصوصیات فیزیکی تخته خرده چوب با استفاده از نسبت ملامین فرمالدئید به اوره فرمالدئید، نسبت ساقه کلزا به صنوبر و مقدار رطوبت کیک به روش های شبکه های عصبی مصنوعی: MLP، RBF و ANFIS بررسی شد. نتایج نشان داد که شبکه عصبی MLP نسبت به شبکه RBFN و ANFIS عملکرد به نسبت بهتری در زمینه برآورد خصوصیات فیزیکی تخته خرده چوب دارد. همچنین نتایج نشان داد که مدل های هوش مصنوعی در زمینه پیش بینی خصوصیات فیزیکی تخته خرده چوب، دقت و توانایی مناسبی دارند. نتایج آنالیز حساسیت نیز نشان داد که در زمینه برآورد TS2 و WA24 مهم ترین پارامتر با تاثیر مثبت در روند مدلسازی، مقدار رطوبت کیک است و نسبت ملامین فرمالدئید به اوره فرمالدئید نیز در زمینه مدلسازی TS24 و WA2 موثرترین پارامتر است.