1- دانشجوی کارشناسی ارشد، گروه علوم و صنایع غذایی، دانشکده صنایع غذایی بهار، دانشگاه بوعلی سینا، همدان، ایران
2- گروه مهندسی علوم و صنایع غذایی، دانشکده صنایع غذایی بهار، دانشگاه بوعلی سینا، همدان، ایران ، aagohari@yahoo.com
3- گروه مهندسی علوم و صنایع غذایی، دانشکده صنایع غذایی بهار، دانشگاه بوعلی سینا، همدان، ایران.
چکیده: (1583 مشاهده)
از روش بهینهسازی الگوریتم ژنتیک میتوان برای غلبه بر محدودیتهای ذاتی شبکه عصبی مصنوعی استفاده کرد. روش الگوریتم ژنتیک- شبکه عصبی مصنوعی دارای قابلیت بالایی برای یافتن مقدار بهینه یک تابع هدف پیچیده است. در این مطالعه ابتدا جهت خشککردن صمغ دانه بالنگو، از یک خشککن فروسرخ استفاده گردید. در این خشککن فروسرخ اثر فاصله نمونهها از لامپ پرتودهی در سه سطح 5، 5/7 و 10 سانتیمتر و اثر ارتفاع صمغ درون ظرف در سه سطح 5/0، 0/1 و 5/1 سانتیمتر بر زمان خشک شدن و درصد کاهش وزن صمغ دانه بالنگو در طی زمان خشککردن، مورد بررسی قرار گرفت. نتایج خشککردن صمغ دانه بالنگو با روش فروسرخ نشان داد با کاهش فاصله نمونهها از منبع حرارتی و همچنین کاهش ضخامت صمغ موجود در ظرف نمونه، زمان خشککردن کاهش مییابد. با افزایش فاصله لامپها از 5 به 10 سانتیمتر، میانگین زمان خشک شدن صمغ دانه بالنگو از 6/62 دقیقه به 6/87 دقیقه افزایش یافت. با افزایش ضخامت نمونهها از 5/0 به 5/1 سانتیمتر نیز میانگین زمان خشک شدن صمغ دانه بالنگو از 9/45 دقیقه به 2/109 دقیقه افزایش یافت. در مرحله بعد، این فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 3 ورودی (زمان پرتودهی، فاصله لامپ از سطح نمونهها و ضخامت نمونهها) و 1 خروجی (درصد کاهش وزن) مدلسازی شد. نتایج مدلسازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد شبکهای با ساختار 1-9-3 در یک لایه پنهان و با استفاده از تابع فعالسازی تانژانت هیپربولیک میتواند درصد کاهش وزن صمغ دانه بالنگو هنگام خشک شدن در خشککن فروسرخ را با ضریب همبستگی بالا (999/0) و مقدار میانگین مربعات خطا پایین (788/0) پیشبینی نماید.
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:
هیدروکلوئیدها،امولسیون دریافت: 1400/11/2 | پذیرش: 1400/12/8 | انتشار: 1401/3/10