رضا امیری چایجان؛ جعفر امیری پریان
دوره 36، شماره 3 ، آذر 1392، ، صفحه 13-24
چکیده
در این پژوهش، از مدل های تجربی و شبکههای عصبی مصنوعی برای پیشبینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاحشده، چانگ-پی فاست، هالسی و گب برای این منظور بکار ...
بیشتر
در این پژوهش، از مدل های تجربی و شبکههای عصبی مصنوعی برای پیشبینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاحشده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکة پسانتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدودههای دما و رطوبت نسبی به ترتیب بین 25 تاC°40 و 11 تا 96٪ اعمال شد. بهترین نتایج برای مدل های تجربی، برای مدل گب و هالسی به دست آمد. بهترین خروجی برای شبکههای عصبی مورد استفاده، مربوط به شبکة پیشخور، توپولوژی 1-3-5-3 و تابع آستانة TANSIG-TANSIG-LOGSIG است. با این شبکة بهینه، ضریب تبیین و خطای نسبی میانگین، بهترتیب 9935/0 و 01/5 حاصل شد. این نتایج، برتری شبکههای عصبی مصنوعی را نسبت به مدلهای ریاضی نشان میدهد. زیرا علاوه بر ایجاد خطای کمتر در پیشبینی مقدار رطوبت تعادلی، قادر است شاخص کیفی را نیز به عنوان ورودی لحاظ کند.