بکارگیری روش شبکه‌های عصبی مصنوعی در بررسی و تخمین برخی مشخصه‌های خشک‌کردن بادنجان و شلغم در یک خشک‌کن ترکیبی مایکروویو- همرفتی

چکیده
در این پژوهش، به منظور برآورد خواص خشک­کردن بادنجان و شلغم در یک خشک­کن مایکروویو- همرفتی از روش شبکه­های عصبی مصنوعی استفاده شد. فرآیند خشک­کردن در سه سطح دمایی (40، 55 وC° 70)، سه سطح سرعت هوای ورودی­ (5/0 و 1/1 و m/s7/1) و سه سطح توان مایکروویو (270، 450 وW 630) در یک خشک­کن مایکروویو- همرفتی صورت گرفت که این سه پارامتر به عنوان ورودی در پیش­بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه، در شبکه­ی عصبی مصنوعی مورد استفاده قرار گرفت. همچنین برای پیش­بینی نرخ خشک­کردن و نسبت رطوبت علاوه بر این سه پارامتر از زمان خشک­کردن نیز به عنوان پارامتر ورودی استفاده شد. برای ایجاد الگوهای آموزشی و ارزیابی فرآیند، از شبکه عصبی پس انتشار پیش خور و پیشرو با توابع آموزش لونبرگ – مارکوارت (LM) و تنظیم بیزی (BR) برای آموزش الگوها استفاده شد. با توجه به نتایج بدست آمده، بیشترین مقدار ضریب پخش رطوبت موثر برای بادنجان و شلغم به ترتیب (^9-10×39/3 وm²/s ^9-10×05/3) حاصل شد. نتایج بررسی­های شبکه عصبی مصنوعی نشان داد که شبکه­ی بهینه پس انتشار پیش خور با توپولوژی 2-20-20-3 و تابع آموزش لونبرگ- مارکوارت توانست ضریب پخش رطوبت موثر و انرژی مصرفی ویژه را به ترتیب با ضرایب تبیین 9821/0 و 9952/0 و خطای میانگین مربعات 00014/0 در شرایط مختلف خشک­کردن بادنجان و شلغم پیش­بینی نماید. همچنین بیشترین ضرایب تبیین برای پیش­بینی نرخ خشک­کردن و نسبت رطوبت به ترتیب 9698/0 و 9988/0 با مقدار خطای میانگین مربعات 0045/0در شبکه­ی عصبی پیشرو با الگوریتم آموزشی لونبرگ- مارکوارت به دست آمد.