香菇熱風(fēng)干燥特性及動力學(xué)模型

楊伊琳 丁俊雄 吳小華* 王 鵬 孫東亮 張振濤 李 棟

(1.北京石油化工學(xué)院 機械工程學(xué)院，北京 102617；2.中國科學(xué)院理化技術(shù)研究所，北京 100190；3.中國農(nóng)業(yè)大學(xué) 工學(xué)院，北京 100083)

香菇屬擔(dān)子菌綱、傘菌目、口蘑科、香菇屬，發(fā)源于我國，是久負盛名的珍貴食用菌[1-2]。新鮮香菇中含有大量的水分，在運輸、儲存和銷售過程中容易發(fā)生變質(zhì)。干燥是食品保藏的重要手段，也是一項重要的食品加工技術(shù)。在干燥加工過程中，干燥速率是干燥的重要指標(biāo)[3]。隨著人們生活水平的不斷提升，干香菇的需求量不斷增加，對品質(zhì)的要求也不斷提高。因此，提高干燥速率，提升干燥品質(zhì)是目前干燥行業(yè)最為關(guān)注的問題。

目前關(guān)于相對濕度對香菇熱風(fēng)干燥特性影響的研究鮮見報道，本研究擬以香菇為試驗材料，將干燥介質(zhì)相對濕度作為熱風(fēng)干燥參數(shù)之一，采用傳統(tǒng)干燥動力學(xué)模型、人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型與試驗進行對比的方法開展研究，旨在建立適合香菇干燥水分比預(yù)測模型，優(yōu)化香菇干燥工藝參數(shù)，為提升干香菇品質(zhì)提供理論參考。

1 材料與方法

1.1 試驗材料與儀器

試驗所用新鮮香菇購置于北京市大興區(qū)生鮮超市。挑選個體完整，直徑為5～7 cm，高度2.5 cm，平均質(zhì)量為16 g的新鮮香菇作為試驗對象。將挑選好的新鮮香菇剪去菇柄清洗并瀝干水分后，放入4 ℃的冷藏箱內(nèi)儲存?zhèn)溆?，新鮮香菇的初始含水率約為83.1%。

GWS-125AF恒溫恒濕干燥箱,上海環(huán)競實驗設(shè)備廠。加濕方式采用蒸汽加濕法，即將低壓蒸汽直接注入試驗空間加濕，箱內(nèi)有干濕球傳感器，PID動態(tài)調(diào)節(jié)溫濕度?？諝庋h(huán)系統(tǒng)風(fēng)機將空氣從回風(fēng)口吸入，空氣經(jīng)蒸發(fā)器降溫、除濕后，進入加濕器內(nèi)加濕，最終在電加熱器加熱升溫后經(jīng)送風(fēng)口送到干燥腔體內(nèi)，送出的空氣與空間內(nèi)的空氣混合后回到回風(fēng)口。熱風(fēng)溫度范圍為室溫至100 ℃，相對濕度為20%～98%，精度分別為±0.1 ℃ 和±2%。JA203H型分析天平，幸運電子設(shè)備有限公司，精度為0.001；BSM-220型分析天平，上海卓精電子科技公司，精度為0.0001；XY-110MW 型鹵素水分測定儀，幸運電子設(shè)備有限公司。

1.2 試驗方法

1.2.1試驗設(shè)計

將預(yù)處理好的新鮮香菇均勻地平鋪在托盤上，菌蓋向上，每組工況下依次干燥50、100、150和200 g 的樣品，用恒溫恒濕干燥箱對其進行干燥溫度、相對濕度、風(fēng)速以及單位載重量的試驗研究。香菇熱風(fēng)干燥過程中的質(zhì)量測量采取每隔30 min取出樣品，采用分析天平(JA203H)稱重后迅速放回干燥箱中繼續(xù)干燥，整個過程不超過1 min[12]。本研究設(shè)計4組試驗，方案見表1。

表1 香菇水分比熱風(fēng)干燥試驗方案Table 1 The test plan for the moisture ratio of lentinus edodes to hot air drying

1.2.2干燥動力學(xué)參數(shù)計算

隨機選取3顆新鮮香菇，使用鹵素水分測定儀測定[13]香菇初始含水率，分別為84.0%、83.1%和82.2%，取平均值83.1%作為香菇初始含水率。

香菇的干基含水率(Md)的表達式為：

(1)

式中：m1為新鮮香菇質(zhì)量，g；m2為香菇絕干質(zhì)量，g。

水分比(Moisture ratio，MR)是指在一定條件下物料的剩余含水率，通常表示為[14]：

(2)

式中：Md為某時刻香菇的干基含水率，g/g；Me為干燥結(jié)束時香菇的干基含水率，g/g；M0為香菇初始干基含水率，g/g。香菇干燥結(jié)束后干基含水率Me遠小于初始干基含水率M0，因此可以忽略Me的影響，式(2)簡化為[15]：

(3)

干燥速率指單位時間內(nèi)，香菇在單位干燥面積(物料與熱風(fēng)的接觸面積)上蒸發(fā)的水分量。香菇是一種不規(guī)則物料，測定其與熱風(fēng)接觸面積的大小較困難。因此使用干燥強度(Drying rate，DR)代表干燥速率[16]，干燥強度的計算公式為：

(4)

式中：DR為干燥強度，g/(g·h)；Md,i為ti時刻的香菇干基含水率，g/g；ti為香菇干燥時間，h。

1.2.3香菇經(jīng)典干燥動力學(xué)模型

干燥動力學(xué)主要研究物料在特定條件下的干燥過程。合適的干燥動力學(xué)模型可以較好的描述物料的干燥過程，為干燥過程水分預(yù)測提供基礎(chǔ)。干燥動力學(xué)模型主要包括理論方程、半理論方程、半經(jīng)驗方程和經(jīng)驗方程等。其中理論方程是基于Fick第二定律推導(dǎo)出來的，半理論方程是對理論方程的簡化，半經(jīng)驗方程首先是由Lewis提出一個對流傳熱的Newton物料速率方程后經(jīng)過多次修正得到一系列的方程模型，經(jīng)驗方程則是對直接根據(jù)試驗數(shù)據(jù)擬合水分比與時間之間的關(guān)系式。由于理論方程形式復(fù)雜，應(yīng)用不方便；經(jīng)驗方程是直接根據(jù)研究者的試驗數(shù)據(jù)建立的，其應(yīng)用范圍有限，所以干燥動力學(xué)模型一般選用半理論方程和半經(jīng)驗方程。

干燥動力學(xué)模型中，與試驗條件相關(guān)的常數(shù)一般通過試驗數(shù)據(jù)擬合確定。為了研究香菇在熱風(fēng)干燥過程中的水分變化規(guī)律，選取5種常見的干燥動力學(xué)模型Lewis、Page、Modified Page、Henderson和Wang[17-19]對香菇熱風(fēng)干燥過程的水分變化進行擬合分析。表達式分別為：

MR=exp(-kt)

(5)

MR=exp(-ktn)

(6)

MR=exp[-(kt)n]

(7)

MR=a·exp(-kt)

(8)

MR=1+at+bt2

(9)

式中：MR為水分比；k為干燥速度常數(shù)；a、b、n為各模型方程的待定速度系數(shù)；t為干燥時間，min。

1.2.4人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型

已有研究將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于農(nóng)產(chǎn)品干燥過程中水分比的預(yù)測，人工神經(jīng)網(wǎng)絡(luò)能夠較快速簡便的建立干燥模型，并在水分比預(yù)測方面取得了較好的效果[20]。因此本研究利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建香菇熱風(fēng)干燥水分比人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，在線預(yù)測香菇熱風(fēng)干燥過程的水分比。

人工神經(jīng)網(wǎng)絡(luò)主要由3部分組成[21]，分別為輸入層、隱藏層和輸出層。人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型見圖1。一般神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)為S型函數(shù)[22]，表達式為：

(10)

圖1 人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元模型Fig.1 Artificial neural network neuron model

輸入

net=x1w1+x2w2+…+xnwn-b

(11)

輸出

(12)

式中：f為傳遞函數(shù)；xn為輸入層輸入變量；wn為神經(jīng)網(wǎng)絡(luò)的權(quán)值系數(shù)；b為閾值。

2 結(jié)果與分析

2.1 干燥參數(shù)對干燥特性的影響

根據(jù)生產(chǎn)加工經(jīng)驗，一般將香菇的含水率降到13%以下視為干燥結(jié)束。試驗過程中，每隔0.5 h對香菇質(zhì)量進行測定，因此干燥速率用每0.5 h的平均干燥速率表示。

2.1.1相對濕度對干燥特性的影響

將干燥溫度為55 ℃，風(fēng)速4 m/s，單位載重量6 kg/m2作為固定參數(shù)，相對濕度對水分比和干燥速率的影響見圖2。

在試驗相對濕度內(nèi)，干燥時間隨相對濕度的降低而減小，與文獻[23]所得結(jié)論一致。當(dāng)相對濕度為25%時，用時最短僅為9.5 h，以此為基準(zhǔn)，當(dāng)相對濕度為40%時，用時最長為12.5 h，是基準(zhǔn)的1.31倍。在相同的干燥時間內(nèi)，當(dāng)相對濕度從25%增加到35%時，物料水分比隨之增加；繼續(xù)增加相對濕度，對水分比的影響不顯著(圖2(a))。

圖2 相對濕度(RH)對水分比(a)和干燥速率(b)的影響Fig.2 The influence of relative humidity (RH) on moisture ratio (a) and drying rate (b)

當(dāng)相對濕度為25%時，整體為降速干燥，但當(dāng)相對濕度為30%～40%時，干燥速率先增大后減小。由于測量時間間隔為0.5 h，當(dāng)相對濕度為25%時，第一次測量時香菇表面與熱風(fēng)可能已經(jīng)建立濕度平衡，所以整體表現(xiàn)為降速干燥；而當(dāng)相對濕度為30%～40%時，建立濕度平衡所需要的時間可能超過0.5 h，所以干燥速率表現(xiàn)為先增大后減小。隨著干燥的進行，在干燥中后期(5 h后)，相對濕度為25%的干燥速率<其他濕度條件下的干燥速率，可能的原因是相對濕度越低，香菇在干燥初期外表面隨水分蒸發(fā)快速硬化，使內(nèi)部水分向外遷移變慢，干燥速率降低。由于樣品表面溫度≤周圍空氣的露點溫度，水蒸氣在表面發(fā)生凝結(jié)[24]，因此初始水分蒸發(fā)速率沒有在干燥初期達到最大值。當(dāng)表面水蒸氣蒸發(fā)時，干燥速率達到峰值，隨著干燥的進行，水分比下降，干燥速率降低。對比在相對濕度為40%的時候，短時間內(nèi)水分蒸發(fā)速率上升較慢；相對濕度為25%的時候，短時間內(nèi)水分蒸發(fā)速率無明顯上升(圖2(b))。

2.1.2干燥溫度對干燥特性的影響

將相對濕度為35%，風(fēng)速4 m/s，單位載重量6 kg/m2作為固定參數(shù)，干燥溫度對水分比和干燥速率的影響見圖3。

在試驗溫度范圍內(nèi)，干燥時間隨干燥溫度的升高而減小，與文獻[25]所得結(jié)論一致。在干燥溫度60和55 ℃時，香菇干燥結(jié)束的耗時幾乎一致，為11.5 h，以此為基準(zhǔn)，當(dāng)干燥溫度為45 ℃時，干燥時間是其1.35倍，達15.5 h(圖3(a))。

當(dāng)干燥溫度為45～55 ℃時，在干燥1 h內(nèi)，干燥速率有1個增速階段，隨后均為降速干燥；當(dāng)干燥溫度為60 ℃時，全程均為降速干燥。在干燥初始階段，干燥溫度60 ℃與其他干燥溫度相比，外界的熱量更容易傳遞到香菇的內(nèi)部，使得香菇水分可以更快的蒸發(fā)，干燥速率也最大；隨著干燥進行，在干燥中后期(5.5 h后)，香菇在60 ℃條件下的干燥速率<其他干燥條件下的干燥速率，可能的原因是溫度越高，干燥初期脫水較快，導(dǎo)致香菇外表面出現(xiàn)結(jié)殼現(xiàn)象并且皺縮較嚴重，隨著干燥時間的增加，水分往外表面遷移的難度也在增大。此外，加熱干燥過程中，不僅存在水分梯度，還存在溫度梯度。溫度梯度作用下的水分擴散被稱作濕熱傳導(dǎo)現(xiàn)象，隨著溫度的升高，物料內(nèi)部水分驅(qū)動力也增大，加快水分溢出，增快干燥速率，因此，在干燥初期，越高的干燥溫度可以產(chǎn)生越快的干燥速率，尤其60 ℃的初始干燥速率遠快于另外3組，隨后干燥速率隨水分含量降低而變慢(圖3(b))。干燥速率在初始階段出現(xiàn)上升，在波動后下降，這是因為試驗早期的水分含量最高，即水分梯度的推動力最大，在這個推動力下，樣品內(nèi)部的水蒸氣分壓總是要與外界空氣中的水蒸氣分壓保持平衡狀態(tài)。隨著干燥的進行，水分含量逐漸降低，水分梯度變小，干燥速率逐漸變慢[25]。

圖3 干燥溫度(T)對水分比(a)和干燥速率(b)的影響Fig.3 The effect of drying temperature (T) on moisture ratio (a) and drying rate (b)

2.1.3風(fēng)速對干燥特性的影響

將相對濕度為35%，干燥溫度55 ℃，單位載重量6 kg/m2作為固定參數(shù)，風(fēng)速對水分比和干燥速率的影響見圖4。

在試驗風(fēng)速范圍內(nèi)，干燥結(jié)束用時隨風(fēng)速的增大先減小后增大。當(dāng)風(fēng)速為4 m/s時，干燥時間最短，為11.5 h，以此為基準(zhǔn)，風(fēng)速為2 m/s時，用時最長達到14.5 h，是其1.26倍?？芍S著熱風(fēng)風(fēng)速的提高，干制過程中水分含量降低速度加快，干制所需時間縮短，說明風(fēng)速對干燥速率有顯著影響(圖4(a))。這是由于提高風(fēng)速可以使干燥室內(nèi)水分更快的逸出，從而使干燥室內(nèi)相對濕度降低，使其與物料間的濕度差增大，干燥速率加快。但風(fēng)速愈大，愈易產(chǎn)生較大皺縮，為了得到較好的品質(zhì)，熱風(fēng)風(fēng)速不宜過大[26]。

當(dāng)風(fēng)速為5 m/s時，香菇在干燥初期的干燥速率最大，下降的速度較其他風(fēng)速也快，到干燥中后期(5 h后)其干燥速率反而最小。當(dāng)風(fēng)速越大，干燥初期帶走香菇外表面的水分越快，導(dǎo)致表面收縮產(chǎn)生皺褶，阻礙了干燥中后期香菇內(nèi)部水分向外表面進行遷移?？芍稍餃囟葘Ω苫诌w移速率呈正比關(guān)系，溫度越高，能夠加快干基水分的擴散，干燥速率越快(圖4(b))。隨著干燥溫度的降低，達到相同的干燥程度需要越長的時間，這是由于溫度增加，物料與介質(zhì)之間的溫差和濕度差越大，水分子動能越大，從而加快了傳熱與傳質(zhì)過程[27]。

圖4 風(fēng)速(v)對水分比(a)和干燥速率(b)的影響Fig.4 The influence of wind speed (v) on moisture ratio (a) and drying rate (b)

2.1.4單位載重量對干燥特性的影響

將相對濕度為35%，風(fēng)速4 m/s，干燥溫度55 ℃作為固定參數(shù)，單位載重量對水分比和干燥速率的影響見圖5。

當(dāng)單位載重量為2、4、6 kg/m2時，香菇水分比變化曲線相差不大，干燥時間基本相同，為11.5 h，以此為基準(zhǔn)，當(dāng)單位載重量為8 kg/m2時，干燥時間是其1.3倍，達15 h。當(dāng)單位載重量增大到8 kg/m2時，香菇在托盤里的放置方式由單層變?yōu)殡p層，香菇間有疊加，使熱風(fēng)流通面積減小，延長了干燥時間。物料加載量增加時，干燥至試驗所需干基含水率的時間增加(圖5(a))。這是由于在熱風(fēng)溫度和熱風(fēng)速度不變的條件下，單位載重量增大，干燥物料所需熱量增大，單位時間內(nèi)需要去除的水分量增加，物料內(nèi)部水分遷移和物料表面水分蒸發(fā)所用時間增加，因此干燥時間延長[28]。

當(dāng)單位載重量為2～4 kg/m2時，干燥速率先增大后減??；當(dāng)單位載重量為6～8 kg/m2時，為降速干燥。由于測量時間間隔為0.5 h，當(dāng)單位載重量小時，第一次測量時香菇與熱風(fēng)可能已經(jīng)建立熱平衡，所以整體表現(xiàn)為降速干燥；而當(dāng)單位載重量較大時，建立熱平衡所需要的時間可能超過0.5 h，所以干燥速率表現(xiàn)為先增大后減小(圖5(b))。

圖5 單位載重量(UL)對水分比(a)和干燥速率(b)的影響Fig.5 The influence of unit load (UL) on moisture ratio (a) and drying rate (b)

2.2 香菇干燥動力學(xué)模型擬合

采用Excel和Origin數(shù)據(jù)分析軟件對試驗數(shù)據(jù)進行回歸分析，選用決定系數(shù)R2、均方根誤差RMSE以及χ2作為擬合結(jié)果的評價指標(biāo)，當(dāng)R2越接近1、RMSE和χ2越接近0時，模型預(yù)測效果越好。R2、RMSE、χ2的表達式[29]為：

(13)

(14)

(15)

將5種常見干燥動力學(xué)模型的評價參數(shù)指標(biāo)進行匯總，結(jié)果見表2?？梢?，在所選的5種干燥動力學(xué)模型中，Modified Page模型的決定系數(shù)R2為0.996 32～0.999 88，均方根誤差RMSE為0.003 097 7～0.017 086 4，χ2為0.000 010 5～0.000 317 3，擬合結(jié)果最佳。

表2 香菇熱風(fēng)干燥動力學(xué)模型擬合結(jié)果Table 2 Analysis on the fitting results of the hot air drying kinetic model of mushroom

2.3 人工神經(jīng)網(wǎng)絡(luò)模型的建立

人工神經(jīng)網(wǎng)絡(luò)模型中的的權(quán)值和閾值的更新是通過梯度下降的方式進行更新，這種方式對參數(shù)進行更新，容易得到局部極值，容易局部收斂，通過粒子群算法可以對人工神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行初始化更新，可以更好的接近全局極值。

輸入變量為溫度、相對濕度、風(fēng)速和單位載重量，輸出結(jié)果為水分比。當(dāng)訓(xùn)練結(jié)果達到最優(yōu)的權(quán)值和閾值時，開始建立人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的流程見圖6。

圖6 粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)流程Fig.6 Flow chart of particle swarm optimization optimization neural network

香菇熱風(fēng)干燥過程中影響水分比變化的主要因素有干燥溫度、相對濕度、風(fēng)速、單位載重量以及干燥時間，因此選用這5種影響因素作為人工神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元；在預(yù)測模型中需要對香菇水分比進行預(yù)測，所以將香菇干燥水分比作為輸出層的神經(jīng)元；當(dāng)在人工神經(jīng)網(wǎng)絡(luò)進行不連續(xù)函數(shù)學(xué)習(xí)時，才需要通過建立多個隱含層來處理，一般連續(xù)的函數(shù)可以都選用具有單隱含層來建立人工神經(jīng)網(wǎng)絡(luò)模型的拓撲結(jié)構(gòu)。因此本模型選擇單隱含層來進行建模，隱含層的神經(jīng)元節(jié)點數(shù)是影響人工神經(jīng)網(wǎng)絡(luò)精度和訓(xùn)練次數(shù)的關(guān)鍵因素，隱含層節(jié)點數(shù)過多會增加收斂時間，精度也可能達不到要求，隱含層節(jié)點數(shù)過少會造成模型訓(xùn)練學(xué)習(xí)困難，影響模型預(yù)測精度[21]。隱含層節(jié)點數(shù)可采用以下經(jīng)驗公式[22]計算：

(16)

式中：p為隱含層節(jié)點數(shù)；j為輸入層節(jié)點數(shù)；q為輸出層節(jié)點數(shù)；z為1～10的修正常數(shù)。

根據(jù)式(16)計算出隱含層節(jié)點數(shù)的范圍，對隱含層節(jié)點數(shù)從小到大逐漸增加，在使用同一個樣本訓(xùn)練的基礎(chǔ)上，增加到某一個節(jié)點數(shù)時，能夠使網(wǎng)絡(luò)模型的決定系數(shù)最大，對比研究不同隱含層對網(wǎng)絡(luò)訓(xùn)練的情況[30]，試驗中當(dāng)隱含層的節(jié)點數(shù)為6時，其所對應(yīng)的相關(guān)系數(shù)是最小的，同樣在該隱含層節(jié)點數(shù)下的模型擬合效果也最好，因此本研究確定該人工神經(jīng)網(wǎng)絡(luò)模型的拓撲結(jié)構(gòu)為5-6-1。

2.4 模型對比驗證

為了檢驗?zāi)Ｐ皖A(yù)測結(jié)果的準(zhǔn)確性，選取未參與訓(xùn)練的試驗數(shù)據(jù)作為驗證樣本，對已經(jīng)建立好的基于粒子群算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)模型和Modified Page干燥動力學(xué)模型進行預(yù)測結(jié)果對比研究，得出結(jié)果準(zhǔn)確率與參考文獻相似，神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練結(jié)果具有準(zhǔn)確的預(yù)測能力和理想的收斂效果[31]。

在驗證樣本數(shù)據(jù)為干燥溫度60 ℃，相對濕度30%，風(fēng)速4 m/s和單位載重量6 kg/m2的工況下，人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與試驗結(jié)果更加接近，表明工人神經(jīng)網(wǎng)絡(luò)擬合效果和預(yù)測能力良好，能較好地完成水分比預(yù)測的目標(biāo)(圖7)?；诹Ｗ尤核惴▋?yōu)化的人工神經(jīng)網(wǎng)絡(luò)模型的各項評價指標(biāo)都較Modified Page模型更佳，其中R2高達0.999 3，平均相對誤差MAPE僅為5.57%比Modified Page模型低11%。表明基于粒子群算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)模型相比于干燥動力學(xué)Modified Page模型能夠更好的對香菇干燥水分比的變化進行預(yù)測(表3)。

圖7 干燥動力學(xué)模型和人工神經(jīng)網(wǎng)絡(luò)模型對 香菇熱風(fēng)干燥水分比的預(yù)測結(jié)果Fig.7 Prediction result of drying kinetic model and artificial neural network model on the moisture ratio of hot-air drying of lentinus edodes

表3 干燥動力學(xué)模型Modified Page和人工神經(jīng)網(wǎng)絡(luò)模型對香菇水分比預(yù)測的準(zhǔn)確性Table 3 Accuracy of drying kinetics model Modified Page and artificial neural network model to predict the moisture ratio of mushrooms

3 結(jié) 論

本研究以香菇為試驗材料，進行熱風(fēng)干燥試驗研究。在干燥介質(zhì)溫度為45、50、55、60 ℃，相對濕度為25%、30%、35%、40%，風(fēng)速為2、3、4、5 m/s，單位載重量為2、4、6、8 kg/m2的工況下，探討了熱風(fēng)干燥技術(shù)對香菇的干燥效果，并建立了最優(yōu)的水分比預(yù)測模型。主要結(jié)論如下：

1)經(jīng)典干燥動力學(xué)模型中，Modifited Page模型為最佳香菇干燥動力學(xué)模型。

2)人工神經(jīng)網(wǎng)絡(luò)模型對水分比的預(yù)測值與試驗結(jié)果的平均絕對百分比誤差MAPE僅為5.57%，較Modifited Page模型的MAPE低11%，表明建立的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型可準(zhǔn)確預(yù)測香菇熱風(fēng)干燥水分比的變化，且適用條件范圍更廣。人工神經(jīng)網(wǎng)絡(luò)模型較傳統(tǒng)擬合方法建模效率高，可以精確地描述干燥過程，為干燥過程提供較優(yōu)的解決方案。