سال انتشار: ۱۳۸۵

محل انتشار: یازدهمین کنگره ملی مهندسی شیمی ایران

تعداد صفحات: ۱۲

نویسنده(ها):

الهامه رزمی راد – کارشناسی ارشد مهندسی علوم و صنایع غذایی دانشگاه تهران
بابک قنبرزاده – استادیار رشته مهندسی علوم و صنایع غذایی دانشگاه تبریز
سیدمحمد ابراهیم زاده موسوی – گروه علوم و مهندسی صنایع غذایی، دانشکده مهندسی بیوسیستم، پردیس کشاور
زهرا امام جمعه – گروه علوم و مهندسی صنایع غذایی، دانشکده مهندسی بیوسیستم، پردیس کشاور

چکیده:

در این تحقیق توانایی شبکه های عصبی مصنوعی در پیش بینی خواص رئولوژیکی فارینوگرافی خمیر آرد گندم از روی برخی اجزای شیمیایی تشکیل دهنده آرد آن بررسی شده است. ۴ جزء از مهمترین اجزای ترکیبات شیمیایی تشکیل دهندۀ آرد که خواص فارینوگرافی خمیر را تحت تآثیر قرار می دادند به عنوان ورودی های شبکه انتخاب شدند که عبارت بودند از: مقادیر پروتئین، گلوتن مرطوب، عدد رسوبی و عدد فالینگ. ۶ فاکتور فارینوگرافی هم که شامل مقادیر درصد جذب آب، زمان گسترش خمیر، زمان مقاومت خمیر، درجه سست ش دن خمیر پس از ۱۰ دقیقه و ۲۰ دقیقه و ارزش والوریمتری بودند، به عنوان خروجی های شبکه انتخاب شدند. برای یافتن رابطه بین ورودی و خروجی ها، ساختارها و مقادیر مختلفی از پارامتر های شبکه بر اساس روش سعی و خطا آزمون شد. نتایج نشان داد که شبکه عصبی چند لایۀ پرسپترون با الگوریتم یادگیری پس انتشار خطا بیشترین توانایی را جهت نگاشت روابط غیر خطی بین پارامترهای ورودی و خروجی داشت. این مدل ، خواص فارینوگرافی خمیر را با حداکثر خطای آموزش ۰/۰۹۲۵و حداکثر خطای تست ۰/۰۲۶ و مقدار Tی ۰/۸۱پیش بینی کرد. این نتایج نشان داد که شبکه های عصبی مصنوعی به طور بالقوه می توانندجهت پیش بینی خواص فارینوگرافی خمیر به کار برده شوند.