شبيه سازي مدل سينتيك خشك شدن بستر نازك ترنج با استفاده از شبكه هاي عصبي مصنوعي

مركبات جايگاه بسيار مهمي را در ميان توليدات كشاورزي در دنيا به خود اختصاص داده اند . در اين تحقيق خشك كردن بستر نازك ترنج بهوسيله شبكه عصبي مصنوعي مدلسازي شد ؛ براي اين منظور از خشك كن آزمايشگاهي استفاده گرديد. توده بستر نازك ورقه هاي ترنج با پنج دماي 40 و 50 و 60 و 70 و 80 درجه سلسيوس و دو سرعت هواي 1 و 2 متر بر ثانيه و ضخامت 4 ميلي متر خشك شد. رطوبت اوليه ترنج در طي آزمايش 5/2تا 5/8 (g/g) بر پايه خشك بود. جرم توده بستر نازك در طي خشك كردن هر پنج ثانيه يك بار توسط ترازوي ديجيتال متصل به رايانه، اندازه گيري و ثبت گرديد. از شبكه پس انتشار پيشخور با الگوريتمهاي يادگيري مومنتوم و لونبرگ- ماركوارت براي آموزش الگوهاي موجود استفاده شد. براي توسعه مدل هاي شبكه عصبي مصنوعي بردار ورودي شامل دما، سرعت هوا و زمان خشك شدن و بردار خروجي محتواي رطوبتي ترنج در نظر گرفته شد . نتايج نشان داد كه شبكه پس انتشار پيشخور با توپولوژي 1-6-3 براي ضخامت 4 ميلي متري ورقه ترنج و الگوريتم آموزش لونبرگ- ماركوارت و راهبرد توابع يكسان براي تمام لايه ها (تانژانت سيگموييد) قادر است نسبت رطوبت را با ضريب تعيين 0/99925 و خطاي متوسط 0/00011 در شرايط مختلف خشك كردن لايه نازك پيش بيني كند.