پیش‌بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه بادمجان در خشک‌کن پیوسته با استفاده از روش‌های جدید

در این پژوهش، به‌منظور برآورد خواص خشک کردن بادمجان در یک خشک کن پیوسته از روش شبکه های عصبی مصنوعی (ann)، الگوریتم بهینه سازی توده ذرات (pso) و الگوریتم گرگ خاکستری (gwo) استفاده شد. فرآیند خشک کردن در سه سطح دمایی (45، 60 و c°75)، سه سطح سرعت هوا (1 و 1.5 و m/s2) و سه سطح سرعت خطی تسمه (2.5، 6.5 و mm/s 10.5) در یک خشک کن پیوسته صورت گرفت که این سه پارامتر به‌عنوان ورودی در پیش بینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه، در مدل های ann، pso و gwo مورد استفاده قرار گرفت. آزمایش‌ها برای خشک کردن بادمجان از رطوبت (d.b.%) 1025 تا زمانی که رطوبت نهایی به (d.b.%) 10 رسید انجام گرفت. با توجه به نتایج به‌دست آمده، بیشترین مقدار ضریب پخش رطوبت موثر (deff) برای بادمجان (m2/s 10^-8×1.14) حاصل شد. همچنین کمترین مقدار انرژی مصرفی ویژه (sec) mj/kg130.62 به‌دست آمد. پس از آن 27 نمونه آماده با توجه به استانداردهای مربوطه و مجموعه داده ها به‌دست آمد. سپس با توجه به چندین شاخص عملکرد، از جمله ضریب تعیین (r2)، میانگین مربعات خطا (mse) و میانگین خطای مطلق (mae)، مدل ها مورد بررسی و مقایسه قرار گرفتند و بهترین مدل پیش بینی انتخاب شد. با توجه به نتایج به‌دست آمده مقدار r2 برای مدل gwo به‌ترتیب 0.9996 و 0.9994 برای ضریب پخش رطوبت موثر و انرژی مصرفی نشان دهنده برتر بودن مدل gwo نسبت به سایر مدل ها می باشد، در حالی که این مقادیر به‌ترتیب 0.9992 و 0.9991 برای pso و 0.9990 و 0.9988 برای ann به‌دست آمد. نتایج نشان داد که مدل gwo دارای ظرفیت بیشتری برای پیش بینی deff و sec در مقایسه با دیگر مدل ها می باشد.