مدلسازی با استفاده از شبکه عصبی مصنوعی جهت پیش بینی هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار – آب و ارائه رابطه تجربی جدید
نویسندگان
چکیده مقاله:
در این مقاله ، بر اساس نتایج آزمایشگاهی، و با استفاده از روش برازش منحنی و شبکه عصبی مصنوعی اثر دما و کسر حجمی نانولولهها بر ضریب هدایت حرارتی نانوسیال نانولوله کربنی چند جداره عامل دار-آب بررسی شد. یک رابطه دقیق به صورت تابعی از کسر حجمی و دما برای پیش بینی ضریب هدایت حرارتی نانوسیال ارائه شد. همچنین شبکه های عصبی مختلفی به منظور مدلسازی ضریب هدایت حرارتی نانوسیال طراحی شد. در این شبکهها دما و کسر حجمی به عنوان متغیرهای ورودی و ضریب هدایت حرارتی به عنوان متغیر خروجی در نظر گرفته شد. شبکه عصبی بهینه با در نظر گرفتن حداقل خطا در پیش بینی ضریب هدایت حرارتی نانوسیال به دست آمد. مقایسهها نشان داد که شبکه عصبی مصنوعی میتواند پیش بینی دقیقتری نسبت به روش برازش منحنی در تخمین ضریب هدایت حرارتی این نانوسیال ارائه کند. همچنین نتایج نشان داد که رابطه تجربی ارائه شده به وسیله روش برازش منحنی دارای دقت قابل قبولی است.
منابع مشابه
ارزیابی تجربی خواص ترموفیزیکی، انتقال حرارت جابجایی و افت فشار در نانوسیال آب-نانولوله کربنی چند جداره عامل دار شده
در این تحقیق، انتقال حرارت جابجایی نانوسیال عامل دار شده نانولوله چندجداره کربنی -آب با عامل کربوکسیل در کسرهای حجمی پایین در جریان مغشوش، درون یک مبدل، مورد بررسی آزمایشگاهی قرار گرفته است. تاثیر کسر حجمی در محدوده 05/0% تا 1% بر انتقال حرارت جابجایی در محدوده عدد رینولدز بین 5000 تا 27000 مطالعه شده است. همچنین ضریب هدایت حرارتی و ویسکوزیته دینامیکی نانوسیال در دماها و کسرهای حجمی مختلف به صو...
متن کاملبررسی تجربی عملکرد نانوسیال آب- نانولوله کربنی چند جداره در آبگرمکن خورشیدی صفحه تخت تحت جریان طبیعی و اجباری
امروزه آبگرمکنهای خورشیدی صفحه تخت بهطور گستردهای جهت گرمایش آب در دماهای پایین برای کاربردهای مسکونی مورد استفاده قرار گرفته است. در پژوهش حاضر، نانوسیال آب- نانولوله کربنی چند جداره جهت استفاده در آبگرمکن خورشیدی در کسر حجمی % 05/0 تهیه شده و خواص حرارتی این نانوسیال به طور آزمایشگاهی اندازهگیری شده است. جهت پایدارسازی نانوسیال مورد استفاده از سورفکتانت سدیم دودسیل سولفات استفاده شده ا...
متن کاملپیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون
هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیریهای تجربی محققین قبلی در مورد رسانایی گرمایی نانوسیال گرافن در دمای 25 تا 50 درجه سلسیوس و در کسر حجمی 005/0 تا 056/0 تست عملکرد شبکه انجام شده است....
متن کاملارائه یک شبکه عصبی مصنوعی جهت پیش بینی ریسک سیستماتیک با استفاده از متغیرهای کلان اقتصادی ( مطالعه موردی : شرکت سایپا )
متن کامل
پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 16 شماره 53
صفحات 6- 6
تاریخ انتشار 2018-06-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023