احمد بهارلوئی - دانشجوی کارشناسی ارشد مهندسی مکانیک ماشین های کشاورزی، دانشکده بیوس
محمود امید - دانشیار مهندسی مکانیک ماشین های کشاورزی، دانشکده بیوسیستم پردیس کشا
حجت احمدی - استادیار مهندسی مکانیک ماشین های کشاورزی، دانشکده بیوسیستم پردیس کش
شاهین رفیعی - دانشیار مهندسی مکانیک ماشین های کشاورزی، دانشکده بیوسیستم پردیس کشا

به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، ازمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد ، چهار سرعت جریان هوای ورودی بین 0/5 تا 2 متر بر ثانیه و در سه تکرار در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در اغاز آزمایش ها 30 درصد بر پایه خشک بود. پس از انجام آزمایش ها داده ها به محیط شبکه عصبی مصنوعی منتقل شدند. به منظور توسعه مدلهای شبکه عصبی مصنوعی ابتدا داده ها به سه بخش آموزش (70%) اعتبار سنجی (10%) و آزمون (20) مدلها تقسیم شدند.شبکه ها با ساختار پرسپترون چند لایه به صورت دو، سه و چهار لایه آموزش داده شدند. معیار انتخاب بهترین شبکه بیشترین ضریب تبیین و کنترین مقدارمتوسط مربع خطا (MSE) بود. در پیش بینی نسبت رطوبت پسته رقم اکبری شبکه سه لایه با ساختار 1-5-8-3 بهترین نتیجه را داد. این شبکه در لایه پنهان اول 8 نرون و در لایه پنهان دوم 5 نرون دارد. مقادیر ضریب تبیین و MSE آن به ترتیب 0/9989 و 4.2 e به توان 6- می باشد. از نتایج تحقیق می توان در طراحی خشک کن های صنعتی بهره گرفت.

پسته رقم اکلری ، خشک کن لایه نازک ، محتوای رطوبتی ، شبکه عصبی مصنوعی ، مدلسازی