مقایسۀ نتایج مدل‌های شبکۀ عصبی مصنوعی با مدل‌های ریاضی مختلف برای تخمین نرخ نم در فرایند خشک‌کردن میوۀ به

در این پژوهش، فرایند خشک‌کردن میوۀ به و تاثیر مشخصه‌های مختلفی مانند سرعت هوای خشک‌کردن، زمان، دما و ضخامت بر نسبت نم،  مطالعه و بررسی شد. 7 مدل‌ ریاضی بر داده‌های به دست آمده از 27 سری آزمایش برازش و بهترین مدل انتخاب شد. همچنین مدل‌سازی با شبکۀ عصبی مصنوعی (ann) انجام گرفت. در این مدل‌سازی، اثر تمام مشخصه‌های ورودی در فرایند خشک‌کردن به‌طور همزمان بررسی شد. ساختار شبکۀ انتخابی از نوع پرسپترون چندلایه با الگوریتم پس انتشار خطا در نظر گرفته شد. با پژوهش روی تعداد مختلفی از نرون‌های لایۀ میانی و نیز توابع انتقال مختلف،‌ از 9 نرون و تابع انتقال لگاریتم سیگموئیدی برای لایۀ میانی و تابع انتقال پیورلین برای لایۀ خروجی استفاده شد. مدل‌سازی با شبکۀ عصبی مصنوعی،اثر همزمانچهارمشخصۀورودی را با دقت بسیار بالایی پیش‌بینی کرد. نتایج نشان داد که مدل‌سازی ann در مقایسه با بهترین مدل‌ ریاضی دارای دقت بالاتری است.