کاربرد روش ترکیبی سطح پاسخ و شبکه ی عصبی مصنوعی در پیش بینی سینتیک خشک کردن یک ماده ی غذایی تحت شرایط مختلف خشک کردن

خشک کردن مواد غذایی به عنوان روشی جهت بهبود ماندگاری، ارائه شده است. به منظور پایش این فرایند از مدل های مختلف شبکه ی عصبی نظیر شبکه ی عصبی پرسپترون، تابع پایه ی شعاعی و مدل ترکیبی شبکه ی عصبی و روش شناسی سطح پاسخ به همراه توابع فعال سازی مختلف به عنوان یک ابزار پیش بینی کننده ی پارامترهای خشک کردن کدوی سبز استفاده گردید. پارامترهای زمان خشک کردن، دمای هوای خشک کردن و ضخامت نمونه به عنوان ورودی شبکه و از طرف دیگر، عدد فوریه، انرژی اکتیواسیون، ضریب انتشار رطوبت و چروکیدگی به عنوان خروجی شبکه در نظر گرفته شد. نتایج مدلسازی نشان داد که مدل شبکه ی عصبی پرسپترون همراه با تابع محرک لوگ سیگموئید- لوگ سیگموئید به عنوان بهترین تابع محرک مدل، توانست مقادیر انرژی اکتیواسیون، عدد فوریه، چروکیدگی و ضریب انتشار رطوبت را به ترتیب با ضرایب رگرسیون 999/0، 992/0، 999/0 و 991/0 پیش بینی نماید.