مدل سازی سینتیک خشک کردن لایه نازک قارچ دکمه ای توسط هوای داغ با استفاده از الگوریتم ژنتیک- شبکه عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 137

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_FOODRE-26-3_008

تاریخ نمایه سازی: 23 آذر 1401

چکیده مقاله:

مدل سازی سینتیک خشک شدن قارچ دکمه ای در یک خشک کن جابجایی هوای داغ به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی موردبررسی قرار گرفت. اثر دمای هوای خشک کردن در سه سطح ۵۰، ۶۰ و ۷۰ درجه سانتی گراد، سرعت جریان هوا در سه سطح ۱،۲ و ۳ متر بر ثانیه بر خشک کردن قارچ دکمه ای بررسی شد. نتایج خشک کردن قارچ دکمه ای به روش هوای داغ نشان داد با افزایش دما و سرعت جریان هوای خشک کن، آهنگ خشک کردن افزایش می یابد. با افزایش دمای خشک کن از ۵۰ به ۷۰ درجه سانتی گراد، و سرعت جریان هوا از ۱ به ۳ متر بر ثانیه، کاهش وزن به ترتیب ۲/۱۲ و ۰/۱۲ درصد افزایش یافت. مدل سازی سینتیک خشک شدن لایه نازک قارچ دکمه ای به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با ۳ ورودی دمای هوا، سرعت جریان و زمان خشک کردن و ۱ خروجی جهت پیشگویی کاهش وزن انجام شد. نتایج مدل سازی نشان داد شبکه ای با تعداد ۱۶ نرون در یک لایه پنهان و با استفاده از تابع فعال سازی تانژانت هیپربولیک و قانون یادگیری لیونبرگ-مارکوت می توان درصد کاهش وزن در طی فرآیند خشک کردن قارچ دکمه ای به روش جابجایی هوای داغ را پیشگویی نمود (۹۹۹/۰R=). نتایج آنالیز حساسیت توسط شبکه بهینه نشان داد که دمای خشک کن به عنوان موثرترین عامل در کنترل کاهش وزن نمونه ها هست.    

کلیدواژه ها:

نویسندگان

فخرالدین صالحی

۱ استادیار گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان.

مهدی کاشانی نژاد

استاد دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

امین نجفی

۳ دانشجوی کارشناسی ارشد، گروه علوم و صنایع غذایی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران.

فرشته اسدی

۴ دانشجوی کارشناسی دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alam N, Amin R, Khan A, Ara,I, Shim M J, ...
  • Arora S, Shivhare US, Ahmed J and Raghavan GSV. ۲۰۰۳. ...
  • BahramParvar M, Salehi F and Razavi SMA, ۲۰۱۴. Predicting total ...
  • Brennan M, Le Port G, Pulvirenti A and Gormley R, ...
  • Doymaz I and Pala M. ۲۰۰۳. The thin-layer drying characteristics ...
  • Doymaz I, ۲۰۰۷. Air drying characteristics of tomatoes. Food Engineering. ...
  • Erenturk S and Erenturk K, ۲۰۰۷. Comparison of genetic algorithm ...
  • FAO, ۲۰۱۱. Statistical Database. Available: http://www.fao.org/ ...
  • Farkas I, Reményi P and BirÓ B, ۲۰۰۰. A neural ...
  • Giri SK and Prasad S, ۲۰۰۷. Drying kinetics and rehydration ...
  • Kotwaliwale N, Bakane P and Verma A, ۲۰۰۷. Changes in ...
  • Lertworasirikul S and Saetan S, ۲۰۱۰. Artificial neural network modeling ...
  • Motevali A, Minaei ., Khoshtaghaza MH and Amirnejat H. ۲۰۱۱. ...
  • Mujumdar AS, ۱۹۹۷. Industrial drying of foods. in: G.J.B. Christopher ...
  • Salehi F and Razavi SMA, ۲۰۱۲. Dynamic modeling of flux ...
  • Salehi F, Abbasi Shahkoh Z, Godarzi M, ۲۰۱۴. Apricot Osmotic ...
  • Singh U, Jain S, Doshi A, Jain H and Chahar ...
  • نمایش کامل مراجع