پيش بيني درصدكاهش وزن الياف ابريشم درعمليات صمغ گيري توسط شبكه عصبي مصنوعي

Estimation of the Percentage of Silk Fiber Weight Loss In Artificial Neural Network

ساختار ليف پروتئيني ابريشم از دو رشته فيبروئين ساخته شده كه توسط مادهي ژلاتيني سريسين به يكديگر متصل ميشود. صمغ گيري عمليات برداشت سريسين توسط آب جوش، محلول صابون و قلياهاي رقيق ميباشد. هدف از اين مطالعه، شبيهسازي عمليات صمغ گيري و امكان پيشبيني مقادير كاهش وزن توسط شبكههاي عصبي مصنوعي ميباشد. در اين پژوهش، از نتايج آزمايشهاي تلي و رين در صمغگيري الياف ابريشم موگا و تازار استفاده شد. از پارامترهاي عمليات صمغگيري شامل دما، زمان، غلظت صابون و غلظت سودا به عنوان وروديهاي شبكه عصبي و درصد كاهش وزن الياف ابريشم به عنوان خروجي شبكه، استفاده گرديد. نتايج نشان داد كه بهترين پيكربندي شبكه عصبي در پيشبيني درصد كاهش وزن براي ابريشم موگا و تازار به نورون در لايه پنهان 13 با A نورون در لايه پنهان وشبكه عصبي 7 با Cترتيب با شبكه عصبي درشبكههاي مذكور 2/33 و 2/79 ميباشد، زيرا كمترين ميانگين درصد خطا به ترتيب با مقادير بهدست آمد. بنابراين شبكه عصبي مصنوعي با دقت مطلوب ميتواند در ارزيابي كيفيت عمليات صمغگيري مورد استفاده قرار گيرد.

The silk protein fiber structure is made of two fibroin filaments that are joined together with a serine gelatin material. Degumming is the sericin removal treatment with boiling water, soap solution and diluted alkali. The purpose of this study is to simulate of degumming treatment and possibility of prediction of weight loss by artificial neural networks. In this research, Teli and Rane experiments results in Muga and Tasar silk fibers degumming were used. From the parameters of degumming treatment including temperature, time, soap concentration and soda concentration as the inputs of the neural network and weight loss percentage of silk fiber as output of network were used. The results showed that the best configuration of the neural network in weight loss prediction for Muga and Tasar silk are C-neural network with 7 neuron in hidden layer and A-neural network with 13 neuron in hidden layer respectively, because the least average error percentage were obtained in mentioned networks with 2.79 and 2.33 respectively. Therefore, the artificial neural network can be used to evaluate the quality of degumming treatment with a desirable precision.