مدل پیش‌بینی خواص مکانیکی شبه‏استاتیکی بادام با استفاده از شبکه عصبی- موجک

در طراحی و ساخت ادوات و ماشین‌های مورد نیاز برای مراحل مختلف پس از برداشت، فرآوری و بسته‌بندی محصولات، تعیین خواص مکانیکی ضروری است. شبکه عصبی به‏عنوان یکی از مولفه های اصلی هوش محاسباتی بوده و تبدیل موجک باعث افزایش دقت مدل می‌شود. به‏این منظور برای پیش‌‍‌بینی خواص مکانیکی مغز بادام، در این تحقیق ابتدا در وضعیت قرارگیری افقی بادام، نیروی شکست شبه‏استاتیکی مغز سه رقم بادام به نام‌های مامایی، ربیع و شاهرود دوازده در سه سطح رطوبتی (5.5%، 15% و 25% بر پایه تر) و سه سرعت بارگذاری (5، 15 و 25 میلی‌متر بر دقیقه) تعیین و بررسی شد. در بخش شبکه عصبی، پارامترهای ورودی شامل سه سطح رطوبت و سه سطح سرعت به‏عنوان متغیر مستقل وارد مدل شدند. متغیرهای نیروی شکست، انرژی مصرفی و مدول الاستیسیته به‏عنوان متغیرهای وابسته خروجی مدل در نظر گرفته شدند که برای دقت بیشتر ابتدا موجک‌های مختلف مانند haar، db4، sym2 و coif4 بر روی این داده‌ها اعمال گردید. برای ارزیابی دقت مدل از معیار ضریب همبستگی (r) استفاده شد. نتایج ارزیابی متقابل، حاکی از برتری موجک coif4 بود. در این الگوریتم از یک شبکه پیش‌خور با الگوریتم لونبرگ مارکوات با تابع تانژانت سیگموئید در لایه پنهان و تابع خطی در لایه خروجی استفاده شد. نتایج حاصل، دقت بالای شبکه عصبی- موجک را نشان می دهد. به طور مثال در رقم مامایی، شبکه عصبی با آرایش 1-5-2 با 0.9523=r، آرایش 1-7-2 با 0.9745=r و آرایش 1-4-2 با 0.8374=r بهترین پیش‌بینی را به‌ترتیب برای مدول الاستیسیته، نیروی شکست و انرژی مصرفی نشان داد.