فهرست نشریات علمی دسترسی آزاد ایران

چکیده در این مطالعه از شبکه عصبی GMDH براساس الگوریتم ژنتیک برای پیش‌بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده‌ شد. به‌منظور تعیین خواص فیزیکی و مکانیکی به‌وسیله شبکه عصبی GMDH، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی‌گراد، زمان بسته شدن پرس در 3 سطح 20،10 و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و 14 به‌عنوان داده‌های ورودی و از خواص فیزیکی و مکانیکی به‌عنوان داده خروجی استفاده گردید. کارایی مدل‌ها با استفاده از معیارهای میانگین مربعات خطا (MSE)، ریشه‌ی میانگین مربعات خطا (RMSE)، میانگین قدر مطلق انحراف (MAD) و ضریب تبیین R2)) مورد ارزیابی قرار گرفت. نتایج نشان داد که مقادیر MSE، RMSE وMAD  برای خواصMOR ، IB،TS24h ،TS2h ،WA2h  وWA24h  پایین است و خطاهای به‌دست‌آمده برای مدل  MOEساخته‌شده به روش GMDH بسیار بالا می‌باشد. با توجه به مقادیر به‌دست‌آمده این مدل مناسب برای پیش‌بینی MOE نیست. مقادیر R2 به‌دست‌آمده از مجموعه آزمون و آموزش برای خواصMOR ، IB،MOE ،TS24h ،TS2h ،WA2h  وWA24h  بیشتر از 91/0 درصد است، که این نشان‌دهنده عملکرد بهتر این مدل‌هاست.