پیش بینی محتوای رطوبتی گندم نیم جوش با استفاده از شبکه عصبی و انفیس

در این پژوهش از دو مدل غیرخطی شامل شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی سازگار (ANFIS) برای ارزیابی محتوای رطوبتی گندم نیم جوش در یک خشک کن هوای داغ مورد بررسی قرار گرفت. فرآیند خشک کردن در چهار سطح دمایی (40، 50، 60 و 70 سلسیوس)، سه سطح زمان/بخاردهی (5، 10 و 15 دقیقه) در دمای غوطه وری 60 درجه سلیوس اجرا شد. دو پارامتر دما و زمان بخاردهی به همراه زمان خشک شدن به عنوان ورودی در شبکه های عصبی مصنوعی و انفیس برای پیش بینی محتوای رطوبتی مورد استفاده قرار گرفت. پس از ساخت مدل های پیش بینی غیرخطی، چندین شاخص پیش بینی عملکرد، یعنی ضریب تبیین (همبستگی) ((R(2)، شاخص میانگین مربعات خطا (MSE)، درصد میانگین خطای نسبی (ɛ) برای انتخاب بهترین مدل پیش بینی و ارزیابی موردبررسی قرار گرفت. افزایش دمای هوای ورودی باعث کاهش زمان خشک شدن می شوند. نتایج نشان داد که مدل ANFIS با توجه به شاخص های (MSE, R(2 و ɛ، بهترین مدل برای پیش بینی محتوای رطوبتی بود. مقادیر MSE برای مدل های ANN و ANFIS به ترتیب 0/0021 و 0/0012 به دست آمد. که این نتایج نشان دهنده ظرفیت عملکرد بالای مدل ANFIS برای ارزیابی محتوای رطوبت در مقایسه با شبکه های عصبی مصنوعی در این پژوهش می باشد.

کلیدواژه ها:

خشک کن هوای داغ ، گندم نیم جوش ، محتوای رطوبت ، شبکه های عصبی مصنوعی ، و انفیس