مدلسازی و پیش‌بینی ضریب انتقال حرارت نانو‌سیالات رقیق ɣ-AL2O3/H2O به کمک سیستم عصبی-فازی

در این پژوهش با استفاده از شبکه عصبی و عصبی-فازی ضریب انتقال حرارت در نانوسیالات جاری در یک لوله مدور در رژیم جریان آشفته مدلسازی و پیش‌بینی شده است. داده‌های ورودی به مدل، عدد رینولدز و کسر حجمی نرمال شده نانو‌ذرات و خروجی آن ضریب انتقال حرارت نرمال شده است. در شبکه عصبی استفاده شده مقادیر متوسط خطای نسبی و متوسط مربع خطا نسبت به نتایج آزمایشگاهی به‌ترتیب برابر 002/0 و 0005/0 می‌باشد، در شبکه عصبی-فازی برای داده‌های آموزش این مقادیر خطا به‌ترتیب 0 و 0، و برای داده‌های تست 0027/0- و 00067/0 به‌دست آمده است. مقدار ضریب تبیین در شبکه عصبی 99/0 است که نشان دهنده پیش‌بینی مناسب این روش می‌باشد. این مقدار در روش عصبی-فازی برای داده‌های آموزش 1 و برای داده‌های تست 988/0 می‌باشد. براساس این مقادیر می‌توان نتیجه گرفت استفاده از شبکه عصبی-فازی جهت پیش بینی ضریب انتقال حرارت در نانوسیالات مناسب‌تر است.