پیش‌بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

عباسی, هاجر; محمدی فر, محمدامین

[صفحه اصلی ]

[Archive] [ English ]

Iranian Journal of Nutrition Sciences and Food Technology

بخش‌های اصلی

صفحه اصلی

اطلاعات نشریه

برای نویسندگان

آرشیو مجله و مقالات

جستجو در پایگاه

دریافت اطلاعات پایگاه

IFRAME

دوره 10، شماره 3 - ( پاییز 1394 )

جلد 10 شماره 3 صفحات 77-67

برگشت به فهرست نسخه ها

پیش‌بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

هاجر عباسی^*

، محمدامین محمدی فر

دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان) ، H.Abbasi@Khuisf.ac.ir

چکیده: (7147 مشاهده)

سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی‌های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی‌های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه‌های عصبی مصنوعی در آموزش‌پذیری و پردازش موازی داده‌ها با روابط غیر خطی، هدف از این پژوهش تهیۀ مدل‌هایی مناسب به منظور پیش‌بینی خصوصیات رئولوژیکی خمیر با توجه به ویژگی‌های فیزیکوشیمیایی آرد است. مواد و روشها: طیف وسیعی از آردهای تهیه شده در کارخانه‌های مختلف کشور جمع‌آوری و هفت ویژگی فیزیکوشیمیایی آنها مورد ارزیابی قرار گرفت. آزمون‌های نوسانی روبش کرنش و روبش فرکانس بر خمیر حاصل از نمونه‌ها انجام و دو پارامتر مهم حاصل از آنها به منظور مدل‌سازی انتخاب شدند. پس از آموزش شبکه‌‌ها و تعیین پارامترهای آنها با استفاده از الگوریتم بهینه‌ساز ژنتیک و آزمودن هر شبکه، بررسی حساسیت پارامترهای خروجی به فاکتورهای ورودی شبکه صورت گرفت. یافتهها: شبکه‌های طراحی شده از انواع پرسپترون چهار لایه ای هستند که اولی با حذف دو پارامتر گلوتن مرطوب و اندیس ابعاد ذرات آرد، دارای 5 نرون در لایۀ ورودی و 15 نرون در لایه‌های پنهان اول و دوم جهت پیش‌بینی عرض از مبدأ و دومی با 7 نرون لایه ورودی، 24 نرون در لایۀ پنهان اول و 17 نرون در لایۀ پنهان دوم جهت پیش‌بینی شیب مدل برازش یافته بر روبش فرکانس مورد استفاده قرار گرفت. با استفاده از شبکه‌های گسترش یافته، پیش‌بینی خصوصیات رئولوژیکی خمیر با ضریب همبستگی بیش از 97% صورت گرفت. اندیس گلوتن و عدد زلنی به عنوان مؤثرترین پارامترها بر تغییر ویژگی‌های رئولوژیکی خمیر شناسایی شدند. نتیجه گیری: شبکه‌های عصبی مصنوعی-الگوریتم ژنتیک ابزار توانمندی در پیش‌بینی خصوصیات رئولوژی خمیر هستند. آزمون حساسیت شبکه بهینه به‌خوبی اهمیت پیش‌بینی کنندگی ویژگی‌های فیزیکوشیمیایی آرد بر تغییرات خصوصیات رئولوژیکی بنیادی خمیررا نشان می‌دهد. واژگان کلیدی: شبکه عصبی مصنوعی، الگوریتم ژنتیک، رئولوژی خمیر، ویژگی‌های فیزیکوشیمیایی آرد

واژه‌های کلیدی: شبکه عصبی مصنوعی، الگوریتم ژنتیک، رئولوژی خمیر، ویژگی‌های فیزیکوشیمیایی آرد

متن کامل [PDF 711 kb] (3030 دریافت)

نوع مقاله: پژوهشي | موضوع مقاله: صنايع غذايي
دریافت: 1393/12/23 | پذیرش: 1394/5/4 | انتشار: 1394/7/4

ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله

Mendeley

Zotero

RefWorks

Abbasi H, Mohammadifar M. Prediction of Fundamental Rheological Properties of Dough with Artificial Neural Networks-Genetic Algorithm . Iranian J Nutr Sci Food Technol 2015; 10 (3) :67-77
URL: http://nsft.sbmu.ac.ir/article-1-1882-fa.html

عباسی هاجر، محمدی فر محمدامین. پیش‌بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک. علوم تغذیه و صنایع غذایی ایران. 1394; 10 (3) :67-77

URL: http://nsft.sbmu.ac.ir/article-1-1882-fa.html

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

دوره 10، شماره 3 - ( پاییز 1394 )

برگشت به فهرست نسخه ها

Persian site map - English site map - Created in 0.05 seconds with 39 queries by YEKTAWEB 4660