Use of neural network in predicting sodium ion concentration in frankfurters during smokehouse cooking
2000
Mittal, G.S. (Guelph Univ., Ontario (Canada). School of Engineering) | Zhang, J. (Jiangsu Univ. of Science and Technology, Zhenjiang (China))
Английский. An artificial neural network (ANN) was developed to predict sodium ion concentration in cylindrical shaped frankfurters. Processing time (t, h), fat protein ratio (FP), initial moisture content (m sub (i), db), initial temperature (T sub (i), deg C), environment temperature (T sub (a), deg C), radius of frankfurter (R, m), relative humidity (RH, decimal) and initial concentration of sodium ion (CIN0, mol/l) were input variables. Concentration of sodium ions at the centre of the frankfurter (CIN sub (1), mol/l), and average concentration of sodium ions in the frankfurter (CIN sub (a), mol/l) were outputs. The data used to train and verify the ANN were obtained from experimentally validated simulation models. The CIN0, R, t, T sub (a) and FP were important in making predictions, RH had a slight effect and m sub (i) and T sub (i) did not affect predictions. With 6 inputs, the maximum relative error was 1.44% for CIN sub (1) and 0.35% for CIN sub (a), predictions based on validation data sets
Показать больше [+] Меньше [-]итальянский. E' stata sviluppata una rete neurale artificiale (ANN) per prevedere la concentrazione in ioni sodio in wurstel cilindrici. Gli input sono stati: il tempo di lavorazione (t, h), il rapporto grassi/proteine (FP), il valore di umidita' iniziale (m inf (i), db), la temperatura iniziale (T inf (i), gradi C), la temperatura ambiente (T inf (a), gradi C), il raggio del wurstel (R, m), l'umidita' relativa (RH, decimale) e la concentrazione iniziale di ioni sodio (CIN0, mol/l). Gli output, invece, sono stati: la concentrazione di ioni sodio al centro del wurstel (CIN inf (1), mol/l) e la concentrazione media degli ioni sodio nel wurstel (CIN inf (a), mol/l). I dati utilizzati per allenare e verificare l'ANN sono stati ottenuti da modelli di simulazione validati sperimentalmente. I valori di CIN0, R, t, T inf (a) e FP sono stati ritenuti importanti per effettuare previsioni, mentre i valori di RH hanno mostrato un effetto minimo e quelli di m inf (i) e T inf (i) un effetto nullo. Con un numero di input pari a 6, l'errore relativo massimo, per previsioni basate su sets di dati validati, e' stato di 1,44% per CIN1 e di 0,35% per CIN inf (a)
Показать больше [+] Меньше [-]