فهرست نشریات علمی دسترسی آزاد ایران

در این مطالعه، شبکه عصبی مصنوعی برای مدل‌سازی و پیش‌بینی میزان رطوبت سیر در طی خشک کردن سیر استفاده شد. برای این منظور شبکه عصبی مصنوعی پرسپترون چندلایه تحت‌عنوان پس انتشار پیشرو به‌کار گرفته شد. پارامترهای مهم از جمله دمای هوای خشک کردن (50، 60 و 70 درجه سانتی‌گراد)، ضخامت ورقه‌­ها (2، 3 و 4 میلی‌متر) و زمان خشک کردن به‌عنوان ورودی و محتوای رطوبت به‌عنوان خروجی شبکه در نظر گرفته شد. داده‌های آزمایشگاهی به‌دست آمده از فرآیند خشک کردن لایه نازک سیر برای آموزش و تست شبکه استفاده شد. توپولوژی بهینه 3-25-5-1 با الگوریتم LM و تابع آستانه TANSIG برای لایه‌ها بود. با این شبکه بهینه، مقدار R2  و خطای نسبی به‌ترتیب 9923/0 و 67/9 درصد بود. مقدار MC برای سیر را می‌توان با استفاده از شبکه عصبی، با میانگین خطای متوسط کمتر و ضریب تبیین بیشتر نسبت به مدل ریاضی ویبل پیش‌بینی کرد.