تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب زمینی پرتودیده با اشعه گاما

توضیحات

 تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب زمینی پرتودیده با اشعه گاما دارای 16 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب زمینی پرتودیده با اشعه گاما  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 تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب زمینی پرتودیده با اشعه گاما،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب زمینی پرتودیده با اشعه گاما :

با فرآوری مواد غذایی به روش پرتودهی، کیفیت مواد غذایی حفظ شده و با کنترل میکروارگانیسم ها عوامل فساد کنترل می گردد. همزمان روش های مختلف خشک کردن نیز که به حفظ کیفیت و بافت محصول منجر می گردد، کاربرد زیادی دارند. در این پژوهش با کمک روش سطح پاسخ، شرایط بهینه خشک کردن سیب زمینی پرتو دیده با اشعه گاما تعیین شد. برای پرتودهی نمونه ها از چشمه کبالت 60 (گاماسل 220) استفاده شد. نمونه ها با دزهای صفر، 2 ،5 و 8 کیلوگری پرتودهی شدند و خشک کردن با استفاده از مایکروویو در سه توان 200، 400 و 600 وات و در سه ضخامت 5، 7 و 9 میلی متر انجام گرفت. شرایط بهینه مربوط به دز پرتودهی5 کیلوگری، ضخامت نمونه 7 میلی متر و توان مایکروویو 400 وات و برای L*، a*، b*، تغییرات رنگ، زاویه هیو، کروما و شاخص قهوه ای شدن به ترتیب، 57.87، 0.95-، 42.19، 10.73، 1.53-، 42.22 و 113.59 پیشنهاد شد. علاوه بر تاثیر متغیرهای دز پرتودهی، ضخامت نمونه و توان خشک کن مایکروویو بر روی شاخص های رنگ از جملهL* ،a*،b*، شاخص قهوه ای شدن، کروما و زاویه هیو نیز بررسی شدند. با افزایش مقدار دز پرتودهی، افزایش ضخامت نمونه و توان مایکروویو، شاخص تغیرات رنگ کاهش، زاویه هیو افزایش و دانسیته رنگ کاهش می یابد. در نهایت با استفاده از مدل شبکه عصبی، خشک کردن سیب زمینی پرتودیده مدل سازی شده و توانایی این مدل در پیش بینی تغییرات رنگ با مدل رگرسیون و سطح پاسخ مقایسه گردید. در این مقایسه مدل شبکه عصبی داری قابلیت بالاتر در پیش بینی نسبت به مدل رگرسیون بود (ضریب تعیین 0.9706).
كلید واژه: اشعه گاما، خشک کردن، شبکه عصبی، RSM، رگرسیون

برای دریافت اینجا کلیک کنید