1. Primjena umjetne neuronske mreže i matematičko modeliranje sušenja jabuka prethodno obrađenih ultrazvukom visokog intenziteta
- Author
-
Sven Karlović, Damir Ježek, Mladen Brnčić, Branko Tripalo, Tomislav Bosiljkov, Filip Dujmić, Ana Skupnjak, and Ferdinand Troha
- Subjects
Artificial neural network ,high intensity ultrasound ,drying ,umjetna neuronska mreža ,ultrazvuk visokog intenziteta ,sušenje - Abstract
Provedeno je istraživanje infracrvenog sušenja kriški jabuka prethodno obrađenih ultrazvukom visokog intenziteta. Sušenje se provodilo na tri različite temperature (50, 60 i 70 ºC) u infracrvenoj sušari. Kriške jabuka prethodno su bile obrađene ultrazvukom visokog intenziteta, uz primijenjene amplitude od 20, 40, 60, 80 i 100 % od maksimalne, uz deklariranu maksimalnu snagu ultrazvuka od 400 W. Na temelju dobivenih podataka modelirani su empirijski matematički modeli, kao i umjetna neuronska mreža. Rezultati dobiveni na temelju modela uspoređeni su sa eksperimentalnim podatcima, pri čemu su statistički obrađeni kako bi se preko srednje kvadratne pogrješke dobilo odstupanje modela od realnih uvjeta. Na temelju dobivenih rezultata može se zaključiti da ispitivani modeli (Pageov, logaritamski i Midillijev) zadovoljavaju kriterije isključivo kod uskog područja vrijednosti pojedine ulazne varijable. Za razliku od ispitanih modela umjetna neuronska mreža pokazala se izvrsnim alatom sa značajno boljim fitanjem eksperimentalno dobivenim podatcima (R2 = 0,9980) u čitavom ispitivanom području, neovisno o korištenim parametrima., The work involves experimentation on infrared drying of apple slices treated with high intensity ultrasound. Variables covered are amplitude of ultrasound (0, 20, 40, 60, 80 and 100 %) and drying temperature (50, 60 and 70 °C). Obtained data was modeled using various empirical mathematical models as well as artificial neural network. Simulated data obtained from models were compared to experimental data and statistically processed to calculate mean square error. Although all models showed good fit to sets of experimental data, Pages model had smallest error thus suggesting best fit to experimental data. Comparison of artificial neural network to tested mathematical models showed that it has significantly lower prediction error and significantly better fitting (R2 = 0,9980) to experimental data through full range of experiments compared to mathematical models.
- Published
- 2013