پیش بینی سینتیک خشک کردن توت سفید در خشک کن مایکرویو-هوای داغ: مقایسه بین مدل های ریاضی، شبکه های عصبی مصنوعی و انفیس

هدف از این پژوهش، تعیین سینتیک، ضریب پخش رطوبت موثر، انرژی فعال سازی، انرژی مصرفی ویژه و همچنین پیش بینی نسبت رطوبت توت سفید در طی فرآیند خشک کردن با خشک کن مایکرویو هوای داغ به کمک مدل های ریاضی، شبکه های عصبی مصنوعی (ann) و انفیس (anfis) است. خشک کردن محصول در سه دمای 40، 55 و°c 70، در سه سرعت جریان هوای 0.5،1 و m/s 1.5 و سه توان مایکرویوو 270 ،450 و w 630 انجام شد. برای انتخاب یک منحنی خشک کردن مناسب، ده مدل لایه نازک خشک شدن، شبکه های عصبی مصنوعی و انفیس به داده های آزمایشگاهی برازش شد. نتایج نشان داد که بیشترین و کمترین مقدار ضریب پخش رطوبت موثر به ترتیب (m^2/s 9^-10×3.56 و کمترین مقدار m^2/s10^-10×3.86) به دست آمد. همچنین کمترین و بیشترین مقدار انرژی مصرفی ویژه به ترتیب 48.54 وmj/kg 1380.88 محاسبه شد. در میان مدل های ریاضی مورد تحقیق مدلpage بهترین مدل برای تشریح رفتار خشک شدن لایه نازک توت را داشت. نتایج نشان داد مقادیر خطای میانگین مربعات (mse)، برای مدل های ریاضی، ann، و anfisبه ترتیب 0.0059، 0.0052 و 0.0044 به دست آمد. بنابراین مدل anfis با بیشترین مقدار ضریب همبستگی (0.99995=r^2) و خطای میانگین مربعات (0.0044=mse) برای ارزیابی نسبت رطوبت در مقایسه با سایر روش های اجرا شده در این پژوهش به عنوان بهترین مدل انتخاب شد

Prediction of white mulberry drying kinetics in microwave convective dryer: A comparative study between mathematical model, artificial neural network and ANFIS

The aim of this study was to determine the kinetics, effective moisture diffusivity, activation energy, specific energy consumption, and also predict the moisture content of white mulberry during the drying process with microwavehot air dryer using mathematical models, Artificial Neural Networks (ANN) and NeuroFuzzy Inference System (ANFIS). Drying process was accomplished in three temperature levels (40, 55, and 70°C), three inlet air velocity levels (0.5, 1 and 1.5 m/s) and three microwave power levels (270, 450 and 630 W). To estimate the moisture ratio of white mulberry, 10 mathematical models, ANN and ANFIS were used to fit the experimental data of thinlayer drying. The results showed, the maximum and minimum effective moisture diffusivity during drying was calculated 3.56×109 and 3.86×1010 m2/s, respectively. Also, the minimum and maximum effective moisture diffusivity during drying was achieved 48.54 and 1380.88 Mj/kg, respectively. Among the mathematical models under study, the Page model was the best model for describing the behavior of the thin layer of white mulberry drying. The mean square error (MSE) values for the mathematical models, ANN, and ANFIS were 0.00059, 0.0052 and 0.0044, respectively. Therefore, the ANFIS model with the highest Correlation Coefficient (R2=0.99995), the least percentage of mean relative error (ε=1.84) and mean square error (MSE=0.0044) were used to evaluate the moisture ratio in comparison with other methods implemented in this research Selected as the best model