ChileanJAR

La isoterma de desorción de soya (Glycine max (L.) Merr.) se obtuvo por el método experimental dinámico. Se usaron redes neuronales artificiales (ANN) para modelación del contenido de humedad de equilibrio (EMC) de soya. Se utilizaron ecuaciones termodinámicas y ANN dirigidas para predicción de dos propiedades termodinámicas, calor isostérico neto y entropía de soya. Los modelos ANN fueron mejores comparados con modelos matemáticos. En este estudio, el calor isostérico y entropía de absorción de soya fueron predichas separadamente por dos modelos de poder como una función de EMC. El poder predictivo de los modelos fue alto (R² ≈ 0.99). A un contenido de humedad superior a 11% (db), el calor isostérico y entropía de absorción de soya fueron ligeramente reducidos, y fueron las más altas a un contenido de 8% (db). El calor isostérico y entropía podrían ser útiles en la simulación del almacenamiento de soya deshidratada. El modelo ANN predice EMC de soya más confiablemente que los modelos matemáticos. Por lo tanto, podrían desarrollarse mejores ecuaciones para la predicción del calor de absorción y entropía basada en datos del modelo ANN.