جستجو در:
دوره 11، شماره 45 - ( 1393 )
جلد 11 شماره 45 صفحات 12-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Modeling of thin-layer drying kinetics of barberry Fruit (Berberis Vulgaris) using artificial neural network
Gorjian, Sh. 1, Tavakoli Hashtjin, T. 2, Khosh Taghaza, M. H. 3. FSCT 2014; 11 (45) :1-12
URL: http://fsct.modares.ac.ir/article-7-8668-fa.html
URL: http://fsct.modares.ac.ir/article-7-8668-fa.html
مدلسازی سینتیک خشک شدن لایه نازک میوه زرشک (Berberis Vulgaris) به کمک شبکه عصبی مصنوعی شیوا گرجیان 1، تیمور توکلی هشجین 2، محمد هادی خوش تقاضا 3. مجله علوم و صنایع غذایی ایران. 1393; 11 (45) :1-12
چکیده: (4981 مشاهده)
چکیده به منظور بررسی سینتیک خشک شدن میوه زرشک، آزمایشهایی در سه سطح دمایی و سه سطح سرعت بر روی نمونههای شاهد و تیمار شده با شوک حرارتی و امولسیون "6% کربنات پتاسیم + 3% روغن زیتون" در 3 تکرار در قالب طرح بلوک کاملا تصادفی و به صورت فاکتوریل اجرا گردید. بیشترین مدت زمان خشک شدن 2920 دقیقه، برای نمونههای شاهد در دمای Cº60 و سرعت 3/0 متر بر ثانیه و کمترین مدت زمان 70 دقیقه برای نمونههای تیمار شده با امولسیون در دمای Cº80 و سرعت 1 متر بر ثانیه ثبت شد. در این تحقیق از شبکه پرسپترون چندلایه با الگوریتم یادگیری لونبرگ- مارکوارت و توابع غیرخطی تانژانت سیگموئیدی و سیگموئید لگاریتمی برای مدلسازی فرایند خشک شدن استفاده شد. تعداد نورونهای ورودی شبکه برابر چهار متغیر در ورودی (نوع پیشتیمار، دمای هوا، سرعت هوا و زمان) و خروجی شبکه میزان رطوبت زرشک میباشد. بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Tansig، 1-16-30-4 با ضریب همبستگی 9992/0 و خطای حقیقی 00025/0 بود. علاوه بر این بهترین توپولوژی از شبکه MLP با الگوریتم یادگیری LM و تابع آستانه Logsig، 1-5-25-4 با ضریب همبستگی 9991/0 و خطای حقیقی 00032/0 بود.
دریافت: 1389/2/25 | پذیرش: 1389/12/25 | انتشار: 1393/3/11
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |