بررسي تجربي و مدل‌سازي فرآيند خشك شدن صمغ دانه بالنگو با خشك‌كن فروسرخ به روش الگوريتم ژنتيك- شبكه عصبي مصنوعي

از روش بهينه‌سازي الگوريتم ژنتيك مي‌توان براي غلبه بر محدوديت‌هاي ذاتي شبكه عصبي مصنوعي استفاده كرد. روش الگوريتم ژنتيك شبكه عصبي مصنوعي داراي قابليت بالايي براي يافتن مقدار بهينه يك تابع هدف پيچيده است. در اين مطالعه ابتدا جهت خشك‌كردن صمغ دانه بالنگو، از يك خشك‌كن فروسرخ استفاده گرديد. در اين خشك‌كن فروسرخ اثر فاصله نمونه‌ها از لامپ پرتودهي در سه سطح 5، 7.5 و 10 سانتي‌متر و اثر ارتفاع صمغ درون ظرف در سه سطح 0.5، 1.0 و 1.5 سانتي‌متر بر زمان خشك شدن و درصد كاهش وزن صمغ دانه بالنگو در طي زمان خشك‌كردن، مورد بررسي قرار گرفت. نتايج خشك‌كردن صمغ دانه بالنگو با روش فروسرخ نشان داد با كاهش فاصله نمونه‌ها از منبع حرارتي و همچنين كاهش ضخامت صمغ موجود در ظرف نمونه، زمان خشك‌كردن كاهش مي‌يابد. با افزايش فاصله لامپ‌ها از 5 به 10 سانتي‌متر، ميانگين زمان خشك شدن صمغ دانه بالنگو از 62.6 دقيقه به 87.6 دقيقه افزايش يافت. با افزايش ضخامت نمونه‌ها از 0.5 به 1.5 سانتي‌متر نيز ميانگين زمان خشك شدن صمغ دانه بالنگو از 45.9 دقيقه به 109.2 دقيقه افزايش يافت. در مرحله بعد، اين فرآيند توسط روش الگوريتم ژنتيك شبكه عصبي مصنوعي با 3 ورودي (زمان پرتودهي، فاصله لامپ از سطح نمونه‌ها و ضخامت نمونه‌ها) و 1 خروجي (درصد كاهش وزن) مدل‌سازي شد. نتايج مدل‌سازي به روش الگوريتم ژنتيك شبكه عصبي مصنوعي نشان داد شبكه‌اي با ساختار 193 در يك لايه پنهان و با استفاده از تابع فعال‌سازي تانژانت هيپربوليك مي‌تواند درصد كاهش وزن صمغ دانه بالنگو هنگام خشك شدن در خشك‌كن فروسرخ را با ضريب همبستگي بالا (0.999) و مقدار ميانگين مربعات خطا پايين (0.788) پيش‌بيني نمايد.