Direct Solar Heating of Hydration Baths for Dry Dates: Efficiency and Performance Evaluation

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

This study explores the rehydration kinetics of dry dates using a solar water hydration system under real climatic conditions in Ghardaïa. It focuses on evaluating the thermal response of dates in three regions:El Oued, Guerrara, and Beriane, at hydration temperatures ranging from 39°C to 55°C.Mathematical modeling of the rehydration process using Peleg, Weibull, and exponential models yielded high coefficients of determination (R2 > 0.95), confirming their suitability for accurately predicting water absorption kinetics. The effective diffusion coefficients varied considerably with temperature, reflecting the combined effects of water viscosity and molecular mobility.In addition, an artificial neural network (ANN) model was developed and trained using eight days of meteorological data (ambient temperature, solar irradiation, wind speed, and relative humidity) to predict water temperature inside the solar heater. The ANN model demonstrated excellent predictive performance (R2 = 0.968; MAE = 3.140; RMSE = 4.988), with predicted temperatures closely matching measured values. The high accuracy of the ANN model underscores its potential for real-time temperature prediction, enabling better control and management of the solar rehydration process.Overall, this study emphasizes the critical role of precise temperature management in optimizing the rehydration of dates and highlights the integration of ANN models as powerful tools for enhancing process efficiency and sustainability in arid regions.

روابط وملفات

التعريف والنوع

رقم الوثيقة

08a34221-910c-4e58-83fc-2aa11e5d5c6e

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

958822_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Asma Ben Messaoud","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Abdelouahab Benseddik ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Daoud Djamel","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

English

المصدر والدورية

اسم المصدر

Direct Solar Heating of Hydration Baths for Dry Dates: Efficiency and Performance Evaluation

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Cette étude explore la cinétique de réhydratation des dattes sèches en utilisant un système d’hydratation solaire sous les conditions climatiques réelles de Ghardaïa. Elle se concentre sur l’évaluation de la réponse thermique des dattes dans trois régions : El Oued, Guerrara et Beriane, à des températures d’hydratation variant de 39 °C à 55 °C. La modélisation mathématique du processus de réhydratation, utilisant les modèles de Peleg, de Weibull et exponentiel, a donné des coefficients de détermination élevés (R² > 0,95), confirmant leur adéquation pour prédire avec précision la cinétique d’absorption d’eau. Les coefficients de diffusion effectifs ont considérablement varié avec la température, reflétant les effets combinés de la viscosité de l’eau et de la mobilité moléculaire. De plus, un modèle de réseau de neurones artificiels (ANN) a été développé et entraîné à partir de huit jours de données météorologiques (température ambiante, irradiation solaire, vitesse du vent et humidité relative) afin de prédire la température de l'eau à l’intérieur du chauffe-eau solaire. Le modèle ANN a démontré d’excellentes performances prédictives (R² = 0,968 ; MAE = 3,140 ; RMSE = 4,988), les températures prédites étant très proches des valeurs mesurées. La grande précision du modèle ANN souligne son potentiel pour des prévisions en temps réel, permettant un meilleur contrôle et une gestion plus efficace du processus de réhydratation solaire. Dans l’ensemble, cette étude souligne le rôle essentiel de la gestion précise de la température pour optimiser la réhydratation des dattes et met en évidence l’intégration des modèles ANN comme outils puissants pour améliorer l’efficacité et la durabilité des processus en zones arides.

كلمات الباحثين

Date rehydration, Kinetics, Rehydration modeling, Diffusion coefficient, Artificial Neural Networks (ANN).

إشراف وإعداد

الإشراف

Abdelouahab Benseddik , Daoud Djamel

الإعداد

Asma Ben Messaoud

الاقتباسات الببليوغرافية