مدل‌سازی سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و شبکه‌های عصبی مصنوعی

در این تحقیق پیش‌بینی مقدار جذب رطوبت سه رقم جو (ریحان03، فجر و mb862) در فرآیند غوطه‌وری با استفاده از مدل ریاضی و شبکه عصبی مصنوعی مورد بررسی قرار گرفت. آزمایش‌ها در سه دمای 10، 20 و 45 درجه سانتی‌گراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. مقدار جذب رطوبت دانه‌ها با اندازه‌گیری تغییر وزن دانه‌ها محاسبه گردید. از مدل ویسکوالاستیک که توانایی خوبی در تحلیل فاز اول و دوم جذب رطوبت در فرآیند خیساندن محصولات کشاورزی را دارد، استفاده گردید. در طراحی شبکه عصبی از دو روش پرسپترون چندلایه (mlp) و تابع شعاع مبنا (rbf) با سه لایه نورون استفاده شد. لایه اول، لایه ورودی که متغیرهای مستقل دما و زمان و لایه دوم، لایه‌های مخفی شبکه و لایه سوم، لایه خروجی که متغیر وابسته محتوای رطوبتی می‌باشد، انتخاب گردید. به‌منظور اعتبارسنجی پیش‌بینی مدل ویسکوالاستیک و شبکه عصبی به‌ترتیب از شاخص‌های آماری بیشترین ضریب تبیین (r2) و کمترین ریشه میانگین مربعات خطا (rmse) استفاده شد. نتایج نشان داد که روش پرسپترون چندلایه به‌دلیل ساختار یادگیری پس از انتشار خطا، با الگوریتمbfgs و ساختار شبکه 1-4-2 بهترین نتایج را برای هر سه رقم جو در مقابل مدل ریاضی ویسکوالاستیک حاصل نمود. ترسیم نمودارهای سه بعدی محتوای رطوبت لحظه‌ای بر پایه متغیرهای دما و زمان براساس پیش‌بینی شبکه عصبی انتخاب شده برای هر سه رقم واریته آزمایشی نشان داد که با افزایش دما و زمان غوطه‌وری، رطوبت جذب شده افزایش یافت.