مدل سازی سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و 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 سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و شبکه های عصبی مصنوعی دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدل سازی سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و 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 سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدل سازی سینتیک جذب رطوبت دانه جو با استفاده از مدل ویسکوالاستیک و شبکه های عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : ماشین های کشاورزی

تعداد صفحات :۱۴

در این تحقیق پیش بینی مقدار جذب رطوبت سه رقم جو (ریحان ۰۳، فجر و (MB862 در فرآیند غوطه وری با استفاده از مدل ریاضی و شبکه عصبی مصنوعی مورد بررسی قرار گرفت. آزمایش ها در سه دمای ۱۰، ۲۰ و ۴۵ درجه سانتی گراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. مقدار جذب رطوبت دانه ها با اندازه گیری تغییر وزن دانه ها 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، لایه های مخفی شبکه و لایه سوم، لایه خروجی که متغیر وابسته محتوای رطوبتی می باشد، انتخاب گردید. به منظور اعتبارسنجی پیش بینی مدل ویسکوالاستیک و شبکه عصبی به ترتیب از شاخص های آماری بیشترین ضریب تبیین (R2) و کمترین ریشه میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان داد که روش پرسپترون چندلایه به دلیل ساختار یادگیری پس از انتشار خطا، با الگوریتمBFGS و ساختار شبکه ۱-۴-۲ بهترین نتایج را برای هر سه رقم جو در مقابل مدل ریاضی ویسکوالاستیک حاصل نمود. ترسیم نمودارهای سه بعدی محتوای رطوبت لحظه ای بر پایه متغیرهای دما و زمان براساس پیش بینی شبکه عصبی انتخاب شده برای هر سه رقم واریته آزمایشی نشان داد که با افزایش دما و زمان غوطه وری، رطوبت جذب شده افزایش یافت.

کلید واژه: الگوریتم آمورش، پرسپترون چند لایه، تابع شعاع مبنا، غوطه وری، محتوای رطوبت