Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak hc değerleri için tahminsel bir model elde edilmiştir ve güneş enerjisi destekli kurutma sistemi daha verimli bir kurutma gerçekleştirmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada güneş enerjisi destekli bir kurutma sistemi tasarlanarak elma kurutulmuştur. Kurutma deney verilerinden kuru baz nem içeriği (MCd), ayrılabilir nem oranı (MR),kurutma hızı (DR) ve konvektif ısı transfer katsayısı (hc) değerleri hesaplanmıştır. Açık havada güneş altında kurutma ile güneş enerjisi destekli kurutma sisteminde yapılan elma kurutma işleminin kurutma performansları karşılaştırılmıştır. Sistem ile kurutulan elmanın normal şartlarda güneş altında kurutmaya göre daha avantajlı olduğu sonucuna ulaşılmıştır. Kurutma deneylerinde güneş enerjisi destekli kurutma sisteminde elmanın hc değerleri 15.5 – 13.5 (W/m² °C) arasında hesaplanmıştır. Güneş enerjisi destekli kurutma sisteminde yapılan deney çalışmalarından elde edilen hc değerleri için yapay sinir ağı (YSA) kullanılarak tahminsel bir model oluşturulmuştur. Uygulanan YSA ile tahminsel hc değerleri gösterilmiştir. Elde edilen tahminsel modelin geçerliliğini belirlemek için, ortalama kareli hata (MSE), kök ortalama karesel hata (RMSE) ve bağıl mutlak hata (RAE) analizleri yapılmıştır. Sonuç olarak hc değerleri için tahminsel bir model elde edilmiştir ve güneş enerjisi destekli kurutma sistemi daha verimli bir kurutma gerçekleştirmiştir.
Abstract
In this study, a solar energy assisted drying system was designed and the apples were dried. Dry base moisture content (MCd), removable moisture content (MR), drying rate (DR) and convective heat transfer coefficient (hc) values were calculated from the drying experiments. The drying performances of the apple drying process in the open air under the sun and the solar energy assisted drying system were compared. It has been achieved that the system-dried hand is more advantageous than under the sun in normal conditions. In the drying experiments, the hc values of the hands were calculated between 15.5 - 13.5 (W / m² ° C) in the solar energy assisted drying system. For the hc values obtained from the experiment works done in the solar energy supported drying system, an predictive model was created by using artificial neural network (YSA). Estimated hC values are shown with the applied YSA. Mean squared error (MSE), root mean square error (RMSE) and relative absolute error (RAE) analyzes were performed to determine the validity of the predicted model obtained. As a result, a predictive model for hC values has been obtained and the solar energy assisted drying system has resulted in more efficient drying.