عنوان
مدل‌سازي براي توسعه و بهبود پارامترهاي اثرگذار بر فرايند استخراج روغن سبوس برنج بر پايه طراحي آزمايش‌ها مطالعه موردي: استخراج روغن سبوس برنج با استفاده از CO2 و نيتروژن
نويسنده اصلي
كياني، عارف
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي صنايع
مقطع تحصيلي
كارشناسي ارشد
چكيده
در دهه‌هاي اخير، بهره‌گيري از روش‌هاي آماري و الگوريتم‌هاي يادگيري ماشين در علوم كشاورزي به‌عنوان ابزاري توانمند جهت افزايش بهره‌وري، بهبود تصميم‌گيري و توسعه مدل‌هاي پيش‌بيني در شرايط متغير اقليمي جايگاه ويژه‌اي يافته است. با رشد فناوري‌هاي سنجش و گردآوري داده، حجم عظيمي از اطلاعات از آزمايش‌هاي كشاورزي، محيطي و بيولوژيكي توليد شده كه استفاده صحيح از اين داده‌ها مستلزم به‌كارگيري ابزارهاي علمي و مدل‌سازي‌هاي دقيق است. در اين راستا، بهبود و توسعه پارامترهاي اثرگذار بر فرايندهاي مهم كشاورزي نقش بسزايي در اين پيشرفت خواهد داشت.
در اين پژوهش، بهينه‌سازي شرايط آزمايش استخراج روغن سبوس برنج باهدف دستيابي به بهترين نتايج كمي موردبررسي قرار گرفت. داده‌هاي مربوط به سه عامل دما، فشار و مول CO2 به‌عنوان ورودي، و بازدهي روغن، غلظت فسفر و اسيد چرب آزاد به‌عنوان خروجي از طريق طرح مركب مركزي (CCD) گردآوري شد. به دليل پيچيدگي روابط ميان متغيرها و وجود اثرات متقابل، استفاده از مدل‌هاي پيشرفته آماري و يادگيري ماشين ضروري بود.
در گام نخست، از رويكرد تابع مطلوبيت جهت تعيين تركيب بهينه عوامل ورودي استفاده شد كه توانست مقادير بهينه‌اي براي حداكثرسازي رضايت هم‌زمان متغيرهاي پاسخ ارائه دهد. سپس براي مدل‌سازي و پيش‌بيني دقيق‌تر، از الگوريتم‌هاي نوين يادگيري ماشين شامل XGBoost، رگرسيون ماشين بردار پشتيبان (SVR) با كرنل RBF و رگرسيون فرايند گاوسي و همچنين روش‌هاي بهينه‌يابي فازي شامل روش رگرسيون فازي و روش ANFIS استفاده گرديد. نتايج نشان داد كه مدل XGBoost علي‌رغم دقت قابل‌قبول در برخي پاسخ‌ها، الگوي تعميم‌پذير مناسبي ارائه نكرد. در مقابل، مدل SVR با كرنل RBF توانست با بيشترين دقت روابط غيرخطي پيچيده ميان ورودي‌ها و خروجي‌ها را شناسايي كرده و بهترين عملكرد پيش‌بيني را ارائه دهد. همچنين، مدل فرايند گاوسي به دليل ماهيت احتمالاتي خود در كنار دقت بالا، قابليت ارائه عدم قطعيت پيش‌بيني‌ها را نيز فراهم ساخت.
در نهايت، مي‌توان نتيجه گرفت كه انتخاب روش بهينه‌سازي وابسته به هدف نهايي پژوهش است: در شرايطي كه محدوديت منابع و زمان اجراي مدل بهينه‌يابي اهميت دارد، روش تابع مطلوبيت بهترين گزينه محسوب مي‌شود؛ اما در حالتي كه دقت پيش‌بيني و شناسايي دقيق روابط ميان متغيرها اولويت داشته و محدوديت منابع كمتر مدنظر باشد، روش SVR با كرنل RBF كارآمدترين رويكرد در بهينه‌سازي فرايند استخراج روغن سبوس برنج است.
شماره ركورد
236064
گرايش رشته تحصيلي
بهينه سازي سيستم ها
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان