پديدآورندگان :
شفاعي مجتبي دانشگاه شيراز - دانشكده كشاورزي - بخش مهندسي بيوسيستم , كمالي معين دانشگاه شهيد باهنر كرمان - دانشكده كشاورزي , نامجو مسلم دانشگاه جيرفت - دانشكده كشاورزي - بخش مهندسي مكانيك ماشين هاي كشاورزي
كليدواژه :
الگوريتم آمورش , پرسپترون چند لايه , تابع شعاع مبنا , غوطه وري , محتواي رطوبت , دانه جو
چكيده فارسي :
در اين تحقيق پيش بيني مقدار جذب رطوبت سه رقم جو (ريحان 03 ، فجر و MB862 ) در فرآيند غوطه وري با استفاده از مدل رياضي و شبكه عصبي مورد بررسي قرار گرفت. آزمايش ها در سه دماي 20،10 و 45 درجه سانتيگراد و در سه تكرار براي هر نمونه با آب مقطر انجام شد. مقدار جذب رطوبت دانه ها با اندازه گيري تغيير وزن دانه ها محاسبه گرديد. از مدل ويسكوالاستيك كه توانايي خوبي در تحليل فاز اول و دوم جذب رطوبت در فرآيند خيساندن محصولات كشاورزي را دارد، استفاده گرديد. در طراحي شبكه عصبي از دو روش پرسپترون چند لايه (MLP) و تابع شعاع مبنا RBF با سه لايه نورون استفاده شد. لايه اول، لايه ورودي كه متغيرهاي مستقل دما و زمان و لايه دوم، لايه هاي مخفي شبكه و لايه سوم، لايه خروجي كه متغير وابسته محتواي رطوبتي مي باشد، انتخاب گرديد. به منظور اعتبار سنجي پيش بيني مدل ويسكوالاستيك و شبكه عصبي به ترتيب از شاخص هاي آماري بيشترين ضريب تبيين R2 و كمترين ريشه ميانگين مربعات خطا RMSE استفاده شد. نتايج نشان داد كه روش پرسپترون چند لايه به دليل ساختار يادگيري پس از انتشار خطا، با الگوريتم BFGS و ساختار شبكه 1-4-2 بهترين نتايج را براي هر سه رقم جو در مقابل مدل رياضي ويسكو.الاستيك حاصل نمود. ترسيم نمودارهاي سه بعدي محتواي رطوبت لحظه اي بر پايه متغيرهاي دما و زمان بر اساس پيش بيني شبكه عصبي انتخاب شده براي هر سه رقم واريته آزمايشي نشان داد كه با افزايش دما و زمان غوطه وري، رطوبت جذب شده افزايش يافت.
چكيده لاتين :
In this study, Predicting of water absorption of three varieties of barley (Fajr, Reyhan03 MB862) in the soaking was studied using mathematical model and neural network. The experiments were carried out at three different temperatures (10, 20 and 45 °C) in triplicate using distilled water. Amount of water absorption measured by an increase in the mass of
barley with respect to time.Viscoelastic model has good ability to analyze water absorption in the second phase for crops was used to predict the water absorption of barley during soaking. Neural network was designed according to the two methods of multi-layer perceptron (MLP) and radial basis function (RBF) with three neurons layer. First layer, input layer, is independent variables of temperature and time, second layer, hidden layers, are network hidden layers and third layer, output layer, is dependent variable of moisture content was selected. In each case, the nonlinear reduced gradient, combined gradient and BFGS algorithm, and Trigonometric, Logarithmic, Gaussian, and Logical functions was used to train, test and evaluate network. To evaluate the predicting viscoelastic model and network were used statics index, maximum value of coefficient of determination (R2) and minimum value of mean square error (RMSE). The results showed that method of multilayer perceptron because of back- propagation learning algorithm with BFGS algorithm and 2-4-1 structure of network was obtained best result for three varieties of barley. According to prediction of the best neural network which was selected, three-dimensional graphs of moisture content, based on temperature and time variables, showed that with increasing temperature and time of immersion, water absorption is increasing for three varieties of barley
