基于机器学习模型评估太阳能混合收集干燥器对芫荽籽质量与温度影响的实验研究

本综述系统探讨了利用高斯过程回归(GPR)、多层感知器(MLP)和径向基函数(RBF)等机器学习模型，对比分析芫荽籽在太阳能混合收集干燥器(SHCD)与开放式日晒干燥中的热诱导干燥性和质量变化规律。研究通过实验数据验证了RBF模型在温度(R2=0.98)和质量干燥度(R2=0.99)预测中的优越性，为农产品节能干燥技术优化提供了机器学习驱动的创新方案。

　　

研究亮点

研究地点

本研究在印度泰米尔纳德邦金奈市Sriram Samaj Nagar地区（北纬13.1067°，东经80.0970°）开展。实验数据采集于2024年5月至7月间的六个晴朗日，每日9时至16时监测太阳辐射强度。

太阳能混合收集干燥器(SHCD)

太阳能混合收集干燥器(SHCD)是一种多功能热交换装置。该系统由...

干燥现象

干燥过程中热传递与质量传递同时发生。太阳能干燥器中的热传递可通过辐射、对流或传导实现。当产品处于日晒干燥时，其总能量平衡可通过公式(4)[24][25]计算。公式左侧代表干燥产品获得的热能速率，右侧项则考虑了辐射热损失、对流热损失及...

结果与讨论

本研究通过三种干燥方式（开放式日晒干燥、太阳能混合收集器强制对流干燥及相变材料纳米颗粒强化干燥）处理芫荽籽，并采用多层感知器(MLP)、径向基函数(RBF)和高斯过程回归(GPR)模型进行实验数据分析。所有数据均来自特定地点的实验观测。三种模型...

结论

基于上述研究可得出以下结论：

本研究证实采用光伏热能(PVT)技术的太阳能干燥器，通过集成热力学优化和机器学习建模，较传统开放式日晒干燥(OSD)实现显著提升。实验结果表明水分去除速率加快30%（芫荽籽含水率从31%降至7%湿基，而OSD在相同时间仅降至10%湿基），特定能耗降低22%...