مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : پژوهش و نوآوری در علوم و صنایع غذایی

تعداد صفحات :۱۶

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم ترین و ضروری ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به منظور مدل سازی فرایند استخراج روغن از دانه های کتان به کمک پیش تیمار مایکروویو از زمان های مختلف فرایند (۹۰، ۱۸۰ و ۲۷۰ ثانیه) و توان های مختلف (۱۸۰، ۵۴۰ و ۹۰۰وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسیدی و رنگ روغن استخراج شده با پرس مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزار شبکه های عصبی مصنوعی در نرم افزار MATLAB R2013a استفاده شد. نتایج نشان داد که با افزایش توان و زمان مایکروویو، راندمان استخراج روغن، اندیس اسیدی و اسیدیته، دانسیته و رنگ روغن افزایش یافت. آنالیز واریانس داده ها مشخص کرد که استفاده از پیش تیمار مایکروویو تاثیری در میزان ضریب شکست روغن ها ندارد. با بررسی شبکه های مختلف شبکه پس انتشار پیش خور با توپولوژی های ۲-۸-۶ با ضریب همبستگی بیشتر از ۰.۹۹۹ و میانگین مربعات خطای کمتر از ۰.۰۰۱ و با به کارگیری تابع فعال سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخه یادگیری ۱۰۰۰ به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدل های بهینه انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا (بیش از ۰.۸۴۴) قادر به پیش بینی روند تغییرات بودند. باتوجه به دقت بالای مدل عصبی می توان با اطمینان بالا به پیش بینی این مدل ها اعتماد کرده و از این مدل ها برای بهینه سازی و کنترل فرایند استفاده نمود که این امر می تواند به صرفه جویی در انرژی و زمان منجر شده و ازطرف دیگر محصول نهایی مطلوب تری را ایجاد کند.

کلید واژه: استخراج روغن، دانه کتان، شبکه های عصبی مصنوعی، مایکروویو، مدل سازی