یک مدل یادگیری ماشین جایگزین برای تعیین ضریب اصطکاک سمت هوا در مبدل های حرارتی لوله پره دار ساده با آرایش متناوب

تعیین دقیق ضریب اصطکاک مبدل های حرارتی لوله پره دار با استفاده از روش های آزمایشگاهی و عددی مستلزم صرف هزینه های گزاف و حجم سنگین محاسباتی است. لذا ارائه یک روش جایگزین جهت تخمین دقیق و سریع آن الزامی است. در این پژوهش ضریب اصطکاک سمت هوای یک مبدل حرارتی لوله پره دار ساده با آرایش متناوب با استفاده از روش های یادگیری ماشین Bagging، M۵P، Rules M۵ و REPT با دقت بسیار بالا تخمین زده می شود. یک مجموعه داده بزرگ مشتمل بر ۱۱۴۹ مشاهده که از مراجع مختلف و معتبر استخراج شده است جهت آموزش و تست مدل های مورد بررسی استفاده شده است. گام پره، گام عرضی لوله، گام طولی لوله و عدد رینولدز به عنوان پارامترهای ورودی و ضریب اصطکاک سمت هوا نیز به عنوان پارامتر هدف لحاظ شده است. نتایج نشان داد که روش Bagging ، با مقادیر ضریب همبستگی ۹۹۸۳/۰ و ۹۹۶۸/۰ به ترتیب برای داده های آموزش و آزمایش بالاترین دقت را در بین روش های مورد مطالعه دارد. میانگین خطای مطلق و ریشه میانگین مربعات خطای این روش برای داده های آموزش به ترتیب ۰۰۰۳/۰ و ۰۰۰۴/۰ و برای داده های آزمایش به ترتیب ۰۰۰۴/۰ و ۰۰۰۶/۰ حاصل شد که بیانگر خطای بسیار پایین این روش جهت تخمین ضریب اصطکاک است.

کلیدواژه ها:

مبدل حرارتی لوله پره دار ، ضریب اصطکاک ، یادگیری ماشین ، مدل جایگزین ، آرایش متناوب