یک مدل ریاضی برای پیش بینی خواص تخته خرده چوب با کاربرد GMDH نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این مطالعه از شبکه عصبی GMDH بر اساس الگوریتم ژنتیک جهت پیش بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی، استفاده شده است. جهت تعیین خواص فیزیکی و مکانیکی بوسیله شبکه عصبی GMDH، از مشخصات دما پرس در 4 سطح 170،160،150و180 درجه سانتی گراد، زمان بسته شدن پرس در3 سطح 20،10و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و14 به عنوان داده های ورودی و از خواص فیزیکی و مکانیکی به عنوان داده خروجی استفاده شده است. کارایی مدل ها با استفاده از معیارهای میانگین مربعات خطا (MSE)، ریشه ی میانگین مر بعات خطا (RMSE)، میانگین قدر مطلق انحراف (MAD) و ضریب تبیین R2)) مورد ارزیابی قرارگرفت. نتایج نشان داد که مقادیر MSE، RMSE وMAD برای خواصMOR، IB،TS24h، TS2h، WA2h وWA24h پایین می باشد و خطا های بدست آمده برای مدل MOE ساخته شده به روش GMDH بسیار بالا شد. با توجه به مقادیر به دست آمده این مدل مناسب برای پیش بینی MOE نمی باشد. مقادیر R2 بدست آمده از مجموعه تست و آموزش برای خواصMOR، IB،MOE، TS24h، TS2h، WA2h وWA24h بیشتر از 91/0 درصد است.که این نشان دهنده عملکرد بهتر این مدل ها می باشد.