يك مدل رياضي براي پيش بيني خواص تخته خرده چوب با كاربرد GMDH نوعي شبكه عصبي مصنوعي و الگوريتم ژنتيك

در اين مطالعه از شبكه عصبي GMDH بر اساس الگوريتم ژنتيك جهت پيش بيني خواص فيزيكي و مكانيكي تخته خرده چوب در مقياس آزمايشگاهي، استفاده شده است. جهت تعيين خواص فيزيكي و مكانيكي بوسيله شبكه عصبي GMDH، از مشخصات دما پرس در 4 سطح 170،160،150و180 درجه سانتي گراد، زمان بسته شدن پرس در3 سطح 20،10و 30 ثانيه و رطوبت كيك در 4 سطح 12،10،8 و14 به عنوان داده هاي ورودي و از خواص فيزيكي و مكانيكي به عنوان داده خروجي استفاده شده است. كارايي مدل ها با استفاده از معيارهاي ميانگين مربعات خطا (MSE) ، ريشه ي ميانگين مر بعات خطا (RMSE) ، ميانگين قدر مطلق انحراف (MAD) و ضريب تبيين R2)) مورد ارزيابي قرارگرفت. نتايج نشان داد كه مقادير MSE، RMSE وMAD براي خواصMOR ، IB،TS24h ،TS2h ،WA2h وWA24h پايين مي باشد و خطا هاي بدست آمده براي مدل MOE ساخته شده به روش GMDH بسيار بالا شد. با توجه به مقادير به دست آمده اين مدل مناسب براي پيش بيني MOE نمي باشد. مقادير R2 بدست آمده از مجموعه تست و آموزش براي خواصMOR ، IB،MOE ،TS24h ،TS2h ،WA2h وWA24h بيشتر از 91/0 درصد است.كه اين نشان دهنده عملكرد بهتر اين مدل ها مي باشد.