Published August 1, 2014
| Version v1
Publication
Open
MODELING ISOSTERIC HEAT OF BANANA FOAM MAT USING NEURAL NETWORK APPROACH
Description
Information on the adsorption isotherm and the thermodynamic properties can assist in optimizing food processing operations such as drying, packaging and storage in the assessment of the quality of food. In this study, an Artificial Neural Network (ANN) was used for modelling the water activity/Equilibrium Relative Humidity (ERH) of banana foam mat under a range of values of the Experimental Equilibrium Moisture Content (EMC) to calculate the isosteric heat of sorption (qst) by applying the Clausius-Clapeyron equation. The EMC of three dry banana foam samples at different densities of 0.21, 0.26 and 0.30 g/cm3 was determined by a standard gravimetric method over a temperature range of 35-45°C and a relative humidity range of 32-83%. The modified-GAB model best fitted the EMC data. However, the modified-GAB model was not acceptable for predicting the heat sorption behaviour. A negative value of qst estimated using the modified-GAB equation was found at a moisture content above 0.24 kg/kg d.b., showing the poor fit of the model. A multilayer feed-forward ANN trained by back-propagation algorithms was developed to correlate the output ERH to three exogenous inputs (foam density, EMC and temperature). The developed ANN models could predict the ERH more accurately than the modified-GAB model. The predictions from the ANN models produced R2 values higher than 0.97. No negative qst values were found using the ANN method."
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يمكن أن تساعد المعلومات المتعلقة بالامتزاز المتساوي الحرارة والخصائص الديناميكية الحرارية في تحسين عمليات معالجة الأغذية مثل التجفيف والتعبئة والتخزين في تقييم جودة الطعام. في هذه الدراسة، تم استخدام شبكة عصبية اصطناعية (ANN) لنمذجة النشاط المائي/الرطوبة النسبية للتوازن (ERH) لحصيرة رغوة الموز تحت مجموعة من قيم محتوى رطوبة التوازن التجريبي (EMC) لحساب الحرارة المتساوية للامتصاص (QST) من خلال تطبيق معادلة كلوسيوس- كلابيرون. تم تحديد EMC لثلاث عينات من رغوة الموز الجافة بكثافات مختلفة من 0.21 و 0.26 و 0.30 جم/سم 3 من خلال طريقة قياس الجاذبية القياسية على نطاق درجة حرارة من 35-45 درجة مئوية ونطاق رطوبة نسبية من 32-83 ٪. كان نموذج GAB المعدل هو الأنسب لبيانات التوافق الكهرومغناطيسي. ومع ذلك، لم يكن نموذج GAB المعدل مقبولًا للتنبؤ بسلوك امتصاص الحرارة. تم العثور على قيمة سالبة لـ QST مقدرة باستخدام معادلة GAB المعدلة عند محتوى رطوبة أعلى من 0.24 كجم/كجم ديسيبل، مما يدل على ضعف ملاءمة النموذج. تم تطوير ANN تغذية متعددة الطبقات إلى الأمام مدربة بواسطة خوارزميات الانتشار الخلفي لربط ERH الناتج بثلاثة مدخلات خارجية (كثافة الرغوة، EMC ودرجة الحرارة). يمكن لنماذج ANN المطورة التنبؤ بـ ERH بشكل أكثر دقة من نموذج GAB المعدل. أنتجت التنبؤات من نماذج ANN قيم R2 أعلى من 0.97. لم يتم العثور على قيم qst سلبية باستخدام طريقة ANN."Translated Description (French)
Les informations sur l'isotherme d'adsorption et les propriétés thermodynamiques peuvent aider à optimiser les opérations de transformation des aliments telles que le séchage, l'emballage et le stockage dans l'évaluation de la qualité des aliments. Dans cette étude, un réseau neuronal artificiel (RNA) A été utilisé pour modéliser l'activité de l'eau/l'humidité relative à l'équilibre (ERH) du tapis de mousse de banane sous une plage de valeurs de la teneur en humidité à l'équilibre expérimental (CEM) pour calculer la chaleur isostérique de sorption (qst) en appliquant l'équation de Clausius-Clapeyron. La CEM de trois échantillons de mousse de banane sèche à différentes densités de 0,21, 0,26 et 0,30 g/cm3 a été déterminée par une méthode gravimétrique standard sur une plage de température de 35-45 °C et une plage d'humidité relative de 32-83 %. Le modèle GAB modifié correspondait le mieux aux données CEM. Cependant, le modèle GAB modifié n'était pas acceptable pour prédire le comportement de sorption de chaleur. Une valeur négative de qst estimée à l'aide de l'équation GAB modifiée a été trouvée à une teneur en humidité supérieure à 0,24 kg/kg d.b., montrant le mauvais ajustement du modèle. Un ANN d'anticipation multicouche formé par des algorithmes de rétropropagation a été développé pour corréler l'ERH de sortie à trois entrées exogènes (densité de mousse, CEM et température). Les modèles ANN développés pourraient prédire l'ERH plus précisément que le modèle GAB modifié. Les prédictions des modèles ANN ont produit des valeurs R2 supérieures à 0,97. Aucune valeur qst négative n'a été trouvée en utilisant la méthode ANN."Translated Description (Spanish)
La información sobre la isoterma de adsorción y las propiedades termodinámicas puede ayudar a optimizar las operaciones de procesamiento de alimentos, como el secado, el envasado y el almacenamiento, en la evaluación de la calidad de los alimentos. En este estudio, se utilizó una Red Neural Artificial (ANN) para modelar la actividad del agua/Humedad Relativa de Equilibrio (ERH) de la estera de espuma de plátano bajo un rango de valores del Contenido de Humedad de Equilibrio Experimental (EMC) para calcular el calor isostérico de sorción (qst) aplicando la ecuación de Clausius-Clapeyron. La EMC de tres muestras de espuma de plátano seco a diferentes densidades de 0.21, 0.26 y 0.30 g/cm3 se determinó mediante un método gravimétrico estándar en un rango de temperatura de 35-45 ° C y un rango de humedad relativa de 32-83%. El modelo GAB modificado se ajustó mejor a los datos de EMC. Sin embargo, el modelo GAB modificado no fue aceptable para predecir el comportamiento de sorción de calor. Se encontró un valor negativo de qst estimado utilizando la ecuación GAB modificada a un contenido de humedad superior a 0.24 kg/kg d.b., lo que muestra el mal ajuste del modelo. Se desarrolló una ANN de retroalimentación multicapa entrenada por algoritmos de retropropagación para correlacionar la salida ERH con tres entradas exógenas (densidad de espuma, EMC y temperatura). Los modelos ANN desarrollados pudieron predecir la ERH con mayor precisión que el modelo GAB modificado. Las predicciones de los modelos ANN produjeron valores de R2 superiores a 0,97. No se encontraron valores qst negativos utilizando el método ANN."Files
ajassp.2014.1279.1291.pdf
Files
(318.6 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:b5066f70359229b8e344df9a010ef1ca
|
318.6 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نمذجة الحرارة المتساوية لحصيرة رغوة الموز باستخدام نهج الشبكة العصبية
- Translated title (French)
- MODÉLISATION DE LA CHALEUR ISOSTÉRIQUE DU TAPIS EN MOUSSE DE BANANE À L'AIDE D'UNE APPROCHE DE RÉSEAU NEURONAL
- Translated title (Spanish)
- MODELADO DEL CALOR ISOSTERICO DE LA ALFOMBRA DE ESPUMA DE PLÁTANO UTILIZANDO UN ENFOQUE DE RED NEURONAL
Identifiers
- Other
- https://openalex.org/W2026078994
- DOI
- 10.3844/ajassp.2014.1279.1291
References
- https://openalex.org/W1969837650
- https://openalex.org/W1973487230
- https://openalex.org/W1989906137
- https://openalex.org/W1990248972
- https://openalex.org/W1998873513
- https://openalex.org/W1999678091
- https://openalex.org/W2012507281
- https://openalex.org/W2015007087
- https://openalex.org/W2029554364
- https://openalex.org/W2046504802
- https://openalex.org/W2051706850
- https://openalex.org/W2051847015
- https://openalex.org/W2053880883
- https://openalex.org/W2054413978
- https://openalex.org/W2076243012
- https://openalex.org/W2081948503
- https://openalex.org/W2084593711
- https://openalex.org/W2085781621
- https://openalex.org/W2089574737
- https://openalex.org/W2089844292
- https://openalex.org/W2093301096
- https://openalex.org/W2094193887
- https://openalex.org/W2094763782
- https://openalex.org/W2094979244
- https://openalex.org/W2122085882
- https://openalex.org/W2136555411
- https://openalex.org/W2138237759
- https://openalex.org/W2160851300
- https://openalex.org/W2298230951
- https://openalex.org/W48420476