- Tytuł:
-
Model neuronowy zmian zawartości wody w zrębkach wierzby podczas konwekcyjnego suszenia
Neural model of changes in water content in willow chips during convection drying - Autorzy:
-
Łapczyńska-Kordon, B.
Francik, S. - Powiązania:
- https://bibliotekanauki.pl/articles/289777.pdf
- Data publikacji:
- 2008
- Wydawca:
- Polskie Towarzystwo Inżynierii Rolniczej
- Tematy:
-
zrębki
wierzba
model neuronowy
zawartość wody
suszenie konwekcyjne
willow chips
neural model
water content
convection drying - Opis:
-
Celem pracy było opracowanie modelu zmian zawartości wody w zrębkach wierzby energetycznej w czasie, w postaci sztucznej sieci neuronowej. Model został opracowany w oparciu o wyniki badań procesu konwekcyjnego suszenia zrębków wierzby o długości 2 cm, ale różnej średnicy, w suszarce laboratoryjnej z wymuszonym przepływem powietrza. Materiał był suszony w temperaturach 40, 50, 60 i 70°C. Na podstawie otrzymanych wyników badań został sformułowany, za pomocą SSN, model zmian zawartości wody w zależności od sześciu zmiennych wejściowych: czasu suszenia, temperatury czynnika suszącego, długości i średnicy zrębków oraz początkowej zawartości wody i masy zrębków. Spośród opracowanych modeli wybrano model o architekturze MLP 6:6-15-14-1:1, ponieważ podczas weryfikacji empirycznej stwierdzono, że obliczony błąd średniokwadratowy dla tego modelu był najmniejszy.
The purpose of the work was to develop a model of changes in time of water content in energy willow chips using artificial neural networks (ANN). The model was developed on the grounds of examination results obtained for convection process applied for drying of 20mm-long willow chips with different diameters, carried out in a laboratory drier with forced air flow. The material was dried at the temperature of 40, 50, 60 and 70°C. Obtained examination results provided grounds to formulate, using the ANN, the model of changes in water content depending on six input variables: drying time, drying medium temperature, length and diameter of chips, and initial water content and weight of chips. The model with MLP architecture 6:6-15-14-1:1 was chosen from among all developed models because empirical verification proved that computed mean square error for that model was lowest. - Źródło:
-
Inżynieria Rolnicza; 2008, R. 12, nr 11(109), 11(109); 143-148
1429-7264 - Pojawia się w:
- Inżynieria Rolnicza
- Dostawca treści:
- Biblioteka Nauki