بخشی از مقاله

چکیده

مرکبات جایگاه بسیار مهمی را در میان تولیدات کشاورزي در دنیا به خود اختصاص دادهاند. در این تحقیق خشککردن بستر نازك ترنج بهوسیله شبکه عصبی مصنوعی مدلسازي شد؛ براي این منظور از خشککن آزمایشگاهی استفاده گردید. توده بستر نازك ورقههاي ترنج با پنج دماي40، 50، 60، 70 و80 درجه سلسیوس و دو سرعت هواي 1 و 2 متر برثانیه و ضخامت 4 میلی متر خشک شد. رطوبت اولیه ترنج در طی آزمایش 5/2 تا 5/8 - g/g - بر پایه خشک بود. جرم توده بستر نازك در طی خشککردن هر پنج ثانیه یک بار توسط ترازوي دیجیتال متصل به رایانه، اندازهگیري و ثبت گردید.

از شبکه پس انتشار پیشخور با الگوریتمهاي یادگیري مومنتوم و لونبرگ- مارکوارت براي آموزش الگوهاي موجود استفاده شد. براي توسعه مدلهاي شبکه عصبی مصنوعی بردار ورودي شامل دما، سرعت هوا و زمان خشکشدن و بردار خروجی محتواي رطوبتی ترنج در نظر گرفته شد. نتایج نشان داد که شبکه پس انتشار پیشخور با توپولوژي 3-6-1 براي ضخامت 4 میلیمتري ورقه ترنج و الگوریتم آموزش لونبرگ- مارکوارت و راهبرد توابع یکسان براي تمام لایهها - تانژانت سیگمویید - قادر است نسبت رطوبت را با ضریب تعیین 0/99925 و خطاي متوسط مطلق 0/00011 در شرایط مختلف خشککردن لایه نازك پیشبینی کند.

مقدمه

ایران سالانه 3/5 میلیون تن مرکبات تولید میکند که از این حیث رتبهي 22 را در بین سایر کشورهاي جهان دارا میباشد - بینام، . - 1386 ترنج درخت کوچک و همیشه بهار از خانواده Rue میباشد. میوههاي آن گلابی شکل است و از پوست میوه آن روغن ترنج گرفته میشود که در عطرسازي کاربرد دارد. پوست این میوه تلخ و معطر است که کاربرد دارویی و پزشکی دارد. نام درخت آن citrus bergamia بوده و نوعی میوه از خانواده نارنج است - مجتهدي، . - 1376 محصول ترنج از پوستخارجی1 و پوستداخلی2 و مغز گوشتی بیضی شکل3 در وسط آن تشکیل شده است.

پوسته خارجی این محصول که داراي ضخامت کمتري است سبز رنگ بوده و در مرحله رسیدگی کامل زرد رنگ میشود. پوسته داخلی محصول نیز در هر دو حالت چه زمانی که پوسته خارجی سبز و چه زمانی که زرد باشد، کاملاً سفید رنگ بوده و ضخامت آن چندین برابر پوسته خارجی است. مغز گوشتی این محصول خوراکی بوده و بسیار ترش است و میتوان از آن به عنوان جانشینی مناسب براي آبلیمو یا درست کردن انواع ترشی استفاده کرد.

ترنج معمولاً در باغهاي جنوب ایران نظیر جهرم - در استان فارس - رشد میکند. این محصول را قبل از زرد شدن برداشت کرده و پوست آن را خشک میکنند و براي تهیه مربا استفاده مینمایند؛ این کار معمولاً در فصولی از سال که محصول تازه در دسترس نیست انجام میشود همچنین مقدار زیادي از محصول به صورت خشک به خارج از کشور صادر میگردد - شیبانی، . - 1377 خشککردن، فرآیند گرفتن رطوبت به کمک انتقال حرارت و رطوبت است - کاگوس، - 1994 و یکی از قدیمیترین روشهاي نگهداري مواد غذایی میباشد که به علت امکان تغییرات نامطلوب در کیفیت مواد غذایی در اثر خشک شدن، کنترل آن از اهمیت ویژه اي برخوردار است. در نتیجه براي نگهداري مطمئن مواد غذایی لازم است آنها را به رطوبت مشخصی رساند.

براي دستیابی به این هدف باید خشک کردن محصولات مختلف کشاورزي را مدلسازي نمود تا بتوان بر اساس الگوي به دست آمده از مدل، روند خشک شدن محصول را پیشبینی کرد. شبکههاي عصبی مصنوعی در واقع مدل ساده شدهاي از مغز انسان بوده که یکی از ابزارهاي پیش بینی پدیدههاي فیزیکی است و بهطور کاربردي نخستین بار در دهه 50 قرن بیستم مطرح شد، زمانی که فرانک روزنبلات در سال 1958 شبکه پرسپترون را معرفی نمود - منهاج، . - 1379

کوچکترین واحد شبکه عصبی مصنوعی، نرون است. هر شبکه از یک لایه ورودي و یک لایه خروجی و یک یا چند لایه میانی تشکیل شده است. نرونهاي هر لایه بهوسیله نرونهایی به نرونهاي لایه بعدي متصل میشود. طی فرایند آموزش شبکه، این وزنها و مقادیر ثابتی که با آنها جمع میشوند و اصطلاحاً بایاس4 نامیده میشوند، به طور پیدرپی تغییر میکنند تا اینکه مجموع مربعات خطا به حداقل برسد. تغییرات وزنها و بایاس براساس قانون یادگیري میباشد. به منظور انتقال خروجیهاي هر لایه به لایههاي بعدي از توابع محرك استفاده میشود.

از توابع  محرك معروف میتوان توابع سیگموئیدي، خطی و آستانهاي را نام برد. دادهها براي ساخت شبکه عصبی مصنوعی به دو سري دادههاي آموزش و دادههاي آزمون تقسیم میشوند. در حدود هشتاد درصد دادهها صرف آموزش و مابقی براي آزمون و ارزیابی شبکه به کار گرفته میشود. در طی فرایند یادگیري، میزان فراگیري شبکه توسط معیارهاي خطایی مرتباً سنجیده میشود و در نهایت شبکهاي مورد پذیرش قرار میگیرد که کمترین خطا را دارا باشد. - کیشان و همکاران، . - 1996

یکی از مهمترین کاربردهاي شبکهعصبیمصنوعی آموزشو پیشبینی خروجی با دادههاي جدید میباشد - دیهاف، . - 1990 در شبکه پس انتشار پیشخور - FFBP - 1 با الگوریتم یادگیري پس انتشار خطا - BP - 2، ابتدا وزنهاي لایه خروجی با مقادیر مطلوب مقایسه شده در صورتی که خطا بیش از حد تعیین شده باشد وزنهاي لایههاي خروجی براساس قاعدههاي بههنگامسازي تعدیل میشود و هنگامی که خطاي آموزش کمتر از خطاي از پیش تعیین شده باشد فرایند یادگیري پایان مییابد.

شبکه پس انتشار پیشرو - CFBP - 3 نیز مانند شبکه پس انتشار پیشخور از الگوریتم BP براي اصلاح وزنها استفاده میکند ولی خصوصیت اصلی شبکه مذکور این است که نرونهاي هر لایه به همه نرونهاي لایههاي قبل متصل است - خانا، . - 1990 الگوریتمهاي آموزش بهکار رفته براي بههنگامسازي وزنهاي شبکهي مورد استفاده عبارتند از: الگوریتم مومنتوم4 و الگوریتم لونبرگ- مارکوارت .5 - LM - از آنجا که براي آموزش شبکه عصبی براساس الگوریتم LM محاسبات به صورت موازي انجام میشود، جزء سریعترین روشها براي آموزش شبکه عصبی پس انتشار با کمتر از صد اتصال وزنی محسوب میشود.

الگوریتم LM اساساً بر مبناي ماتریس هسین6 است که براي بهینهسازي غیرخطی بر مبناي حداقل مربعات استفاده میشود - هاگان و منهاج، . - 1994 محققین بسیاري از شبکههاي عصبی مصنوعی براي پیشبینی پارامترهاي مورد نظر در خشککنها استفاده کردهاند. ارنترك و همکاران - 2004 - تحقیقی در زمینهي مقایسه تخمین خشککردن دینامیکی گیاه اکناسهآ آنگوستیفولیا - یک گیاه با کاربرد پزشکی فراوان - بهوسیله تحلیل رگرسیونی و شبکهي عصبی انجام دادند. در این تحقیق خشککردن دینامیکی لایه نازك این گیاه و مقایسهي آن در تحلیل رگرسیونی و شبکهي عصبی بررسی شده است. آزمایشها در سه سطح دمایی 15، 30 و 45 درجه سانتیگراد و در سه سطح سرعت هوا 0/3، 0/7 و 1/1 متربرثانیه و طول نمونه در سه اندازه کمتر از 3 میلیمتر، بین 3 تا 6 میلیمتر و بیشتر از 6 میلیمتر انجام شد. 150

گرم از نمونهها پس از خروج از یخچال تحت تیمارهاي فوق در خشککن قرار گرفت. تحلیل رگرسیونی با چهار مدل نیوتن، هندرسون و پابیس، پیج و پیج اصلاح شده صورت گرفت و همزمان تحلیل در شبکهي عصبی نیز صورت گرفت و شبکه بهینه دو لایه با یک لایه مخفی و 30 نرون حاصل شد. نتایج بهدست آمده حاکی از آن بود که مدل شبکهي عصبی با 0/1 درصد دقت بهتر از مدل پیج اصلاح شده ظرفیت رطوبت را تخمین زد.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید