آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,175 |
| تعداد مقالات | 8,461 |
| تعداد مشاهده مقاله | 6,407,955 |
| تعداد دریافت فایل اصل مقاله | 3,644,234 |
بررسی ضریب هدایت حرارتی نانوسیال هیبریدی سه‌گانه پایه آبی حاوی MWCNTs به روش شبکه عصبی مصنوعی | ||
| مکانیک سیالات و آیرودینامیک | ||
| دوره 12، شماره 2 - شماره پیاپی 32، اسفند 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| محمد همت اسفه* 1؛ سیدمجید مطلبی2 | ||
| 1گروه مهندسی مکانیک-دانشکده فنی و مهندسی-دانشگاه جامع امام حسین(علیه السلام)- تهران-ایران | ||
| 2گروه مهندسی شیمی-دانشکده فنی و مهندسی-دانشگاه جامع امام حسین (علیه السلام)- تهران-ایران | ||
| تاریخ دریافت: 23 مهر 1402، تاریخ بازنگری: 01 دی 1403، تاریخ پذیرش: 25 دی 1402 | ||
| چکیده | ||
| هدایت حرارتی نانوسیال MWCNT(40%)-CuO(30%)-TiO2(30%)/Water در کسر حجمی‌ها و دماهای مختلف با روش شبکه عصبی مصنوعی، مدل‌سازی و تحلیل می‌شود. شبکه عصبی مصنوعی از نوع MLP هست. 48 سری داده تجربی مورد استفاده قرار گرفت که به ترتیب %70، %15 و %15 برای آموزش، اعتبارسنجی و آزمون به کار رفت. ساختار عصبی بهینه دارای دو لایه پنهان است که در لایه اول 4 نورون و در لایه دوم 5 نورون به ترتیب با تابع انتقال logsig و tansig قرار دارد. آموزش شبکه عصبی با الگوریتم لونبرگ-مارکوارت (ML) انجام می‌شود. مقادیر پارامترهای ضریب رگرسیون R و میانگین خطا MSE برای ساختار بهینه به ترتیب برابر با 9995753/0 و 2.8734E-06 به دست آمدند. رابطه همگرایی نیز برای پیش‌بینی هدایت حرارتی نانوسیال ارائه می‌شود. مقایسه بین مدل همگرایی و شبکه عصبی مصنوعی، نشان از برتری شبکه عصبی مصنوعی دارد. مقادیر MOD برای شبکه عصبی مصنوعی نیز در محدوده %3- تا %7+ قرار گرفت ح- | ||
| کلیدواژه‌ها | ||
| نانوسیال؛ هدایت حرارتی؛ شبکه عصبی مصنوعی؛ لونبرگ؛ مارکوارت | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 41 |
||