پیش بینی عملکرد حرارتی نانو سیال Al۲O۳ توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی
- سال انتشار: 1398
- محل انتشار: فصلنامه انرژی ایران، دوره: 22، شماره: 1
- کد COI اختصاصی: JR_IJENERGY-22-1_004
- زبان مقاله: فارسی
- تعداد مشاهده: 281
نویسندگان
دانشگاه ازاد اسلامی واحد بوشهر
دانشگاه بجنورد گروه مهندسی شیمی
چکیده
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
Modeling ANN ANFIS thermal resistance nanofluid Al۲O۳., مدل سازی, ANN, ANFIS, مقاومت حرارتی, نانوسیال, Al۲O۳.اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.