مقايسۀ نتايج مدل‌هاي شبكۀ عصبي مصنوعي با مدل‌هاي رياضي مختلف براي تخمين نرخ نم در فرايند خشك‌كردن ميوۀ به

در اين پژوهش، فرايند خشك‌كردن ميوۀ به و تأثير مشخصه‌هاي مختلفي مانند سرعت هواي خشك‌كردن، زمان، دما و ضخامت بر نسبت نم،  مطالعه و بررسي شد. 7 مدل‌ رياضي بر داده‌هاي به دست آمده از 27 سري آزمايش برازش و بهترين مدل انتخاب شد. همچنين مدل‌سازي با شبكۀ عصبي مصنوعي (ANN) انجام گرفت. در اين مدل‌سازي، اثر تمام مشخصه‌هاي ورودي در فرايند خشك‌كردن به‌طور همزمان بررسي شد. ساختار شبكۀ انتخابي از نوع پرسپترون چندلايه با الگوريتم پس انتشار خطا در نظر گرفته شد. با پژوهش روي تعداد مختلفي از نرون‌هاي لايۀ مياني و نيز توابع انتقال مختلف،‌ از 9 نرون و تابع انتقال لگاريتم سيگموئيدي براي لايۀ مياني و تابع انتقال پيورلين براي لايۀ خروجي استفاده شد. مدل‌سازي با شبكۀ عصبي مصنوعي،اثر همزمانچهارمشخصۀورودي را با دقت بسيار بالايي پيش‌بيني كرد. نتايج نشان داد كه مدل‌سازي ANN در مقايسه با بهترين مدل‌ رياضي داراي دقت بالاتري است.