مدل سازی افت وزن زردآلو طی خشک کردن با خشک کن فروسرخ به روش بهینه سازی الگوریتم ژنتیک- شبکه عصبی مصنوعی

 مدل سازی خشک کردن محصولات کشاورزی، یکی از راه های مناسب برای کنترل زمان و شرایط خشک کردن می باشد. در این مطالعه جهت خشک کردن و افزایش زمان ماندگاری زردآلو، از روش پرتودهی فروسرخ استفاده گردید. اثر توان لامپ فروسرخ در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 5/7 و 10 سانتی متر و در مدت زمان 160 دقیقه بر خشک کردن زردآلو بررسی شد. نتایج خشک کردن زردآلو به روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه ها از منبع حرارتی، سرعت خشک کردن افزایش می یابد. مدل سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با 3 ورودی (توان لامپ، فاصله لامپ و زمان) و 1 خروجی (کاهش وزن) انجام شد. نتایج مدل سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی می تواند درصد کاهش وزن را طی فرآیند خشک کردن زردآلو به روش فروسرخ را با ضریب همبستگی برابر 9987/0 و میانگین مربعات خطا برابر 9215/1 پیشگویی نماید. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که زمان خشک کردن به عنوان موثرترین عامل در کنترل کاهش وزن برش های زردآلو می باشد.