مقايسه مدل‌سازي رياضي، شبكه‌هاي عصبي مصنوعي و منطق فازي در پيش‌بيني سينتيك خشك‌كردن سير و موسير در خشك‌كن بسترسيال

هدف از اين پژوهش، مقايسه برآورد نسبت رطوبت سير و موسير در طي فرآيند خشك كردن توسط خشك‌كن بسترسيال با استفاده از روش‌هاي مدل‌سازي رياضي، شبكه‌هاي عصبي مصنوعي و منطق فازي مي‌باشد. فرآيند خشك‌كردن در سه سطح دمايي (40، 55 وC °70) و سه سطح سرعت هواي ورودي (0.5 و 1.5 و ms-2.15) صورت گرفت. از 5 مدل رياضي خشك‌كردن جهت پيش بيني نسب رطوبت سير و موسير استفاده شد. سرعت هواي ورودي، دماي هواي ورودي و زمان خشك‌كردن به‌عنوان پارامترهاي ورودي در پيش‌بيني نسبت رطوبت، براي شبكه‌هاي عصبي مصنوعي و منطق فازي مورد استفاده قرار گرفت. براي ايجاد الگوهاي آموزشي و ارزيابي فرآيند، از شبكه عصبي پس انتشار پيش‌خور و پيشرو با توابع آموزش لونبرگ- ماركوارت (LM) و تنظيم بيزي (BR) و همچنين از سيستم استنتاجي فازي ممداني و به‌كارگيري تابع عضويت مثلثي براي مدل‌سازي استفاده شد. با توجه به نتايج به‌دست آمده، بهترين مدل براي پيش‌بيني خشك كردن سير مدل (Page) و براي موسير مدل Midilli و همكاران انتخاب شد. نتايج بررسي‌هاي شبكه عصبي مصنوعي نشان داد كه به‌ترتيب ضرايب تبيين 0.9994 و 0.9996، ريشه خطاي ميانگين مربعات 0.0036 و 0.0014 و ميانگين خطاي مطلق 0.044 و 0.038 در شرايط مختلف خشك‌كردن سير و موسير را پيش‌بيني نمايد. همچنين سيستم استنتاجي فازي اين مقادير را براي سير و موسير به‌ترتيب (ضرايب تبيين 0.9997 و 0.9998، ريشه خطاي ميانگين مربعات 0.0027 و 0.0011 و ميانگين خطاي مطلق 0.032 و 0.029) به‌دست آورد. مقايسه نتايج به‌دست آمده از مدل‌هاي رياضي، شبكه‌هاي عصبي مصنوعي و منطق فازي نشان داد كه ريشه خطاي ميانگين مربعات در منطق فازي كمتر از شبكه‌هاي عصبي مصنوعي و مدل‌هاي رياضي است.