پیش بینی عملکرد حرارتی نانو سیال Al۲O۳ توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی
محل انتشار: فصلنامه انرژی ایران، دوره: 22، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 312
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJENERGY-22-1_004
تاریخ نمایه سازی: 31 خرداد 1400
چکیده مقاله:
در سالهای اخیر، استفاده از روشهای مدلسازی که مستقیما از دادههای تجربی استفاده میکنند به دلیل دقت بالا در پیشبینی نتایج فرآیند، به جای روشهای آماری رو به افزایش است. در این مقاله، توانایی مدلهای شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) در پیشبینی عملکرد حرارتی نانوسیال Al۲O۳ که توسط مقاومت حرارتی سنجیده میشود، بررسی شده است. دادههای آزمایشگاهی از یکی از مقالات معتبر که عملکرد حرارتی نانوسیال Al۲O۳ را درون یک لوله حرارتی نوسانی بررسی کرده بود، استخراج شد. برای مدلسازی توسط ANN از یک شبکه پرسپترون چندلایه و برای ANFIS از یک مدل فازی سوگنو استفاده شد که هر دو از دقیقترین و رایجترین روشهای مدلسازی هستند. مقایسه مقادیر هدف با مقادیر پیشبینی شده توسط هر دو مدل بسیار رضایت بخش بود و ضریب همبستگی برای هر دو بیش از ۹۹/۰ بدست آمد که نشاندهنده میزان بالای دقت این دو مدل است. در نهایت عملکرد هر دو مدل با هم مقایسه شد که عملکرد هردو بسیار خوب و نزدیک به هم بود، ولی در مجموع ANN نسبت به ANFIS عملکرد بهتری از خود نشان داد.
کلیدواژه ها:
نویسندگان
داریوش جعفری
دانشگاه ازاد اسلامی واحد بوشهر
مرتضی اسفندیاری
دانشگاه بجنورد گروه مهندسی شیمی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :