مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

259
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

520
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی ویژگی های انتقالی (هدایت گرمایی و گرانروی) نانوسیال ها با استفاده از روش شبکه ی عصبی مصنوعی

صفحات

 صفحه شروع 219 | صفحه پایان 242

چکیده

 در این پژوهش, از شبکه ه ای عصبی مصنوعی (ANN) پس انتشار پیش خور برای پیش بینی روند تغییرهای هدایت گرمایی نسبی و گرانروی نسبی بازه گسترد ه ای از نانوسیال ها با سیال های پایه و نانوذره های متفاوت, استفاده شده است. در اولین مدل ANN, هدایت گرمایی نانوسیال ها بر اساس هدایت گرمایی سیال پایه, هدایت گرمایی نانوذره, درصد کسرحجمی نانوذره, دما و اندازه ی متوسط نانوذره مدل سازی شده است. 483 داده ی تجربی جمع آوری و برای طراحی این شبکه مورداستفاده قرارگرفت و ساختار شبکه به صورت (5-18-1) کم ترین خطا را در پیش بینی هدایت گرمایی نانوسیال نشان داد و نتیجه های AARD% برای داده های آموزش, ارزیابی و تست به ترتیب 6/2, 2/2 و3/2 به دست آمد. در شبکه ی عصبی مصنوعی دیگری که برای پیش بینی گرانروی نانوسیال طراحی شد, پارامترهای گرانروی سیال پایه, نسبت چگالی سیال پایه به نانوذره, درصد کسرحجمی نانوذره, دما و اندازه ی متوسط نانوذره به عنوان ورودی های شبکه استفاده شد. تعداد 510 داده ی تجربی برای طراحی این شبکه مورد استفاده قرار گرفت و ساختار بهینه ی شبکه به صورت (5-19-1) به دست آمد. نتیجه های AARD% برای داده های آموزش, ارزیابی و آزمون به ترتیب 9/2, 2/3 و 1/3 به دست آمد. نتیجه های به دست آمده از این دو شبکه ی عصبی مصنوعی توانمند بودن آن ها را در پیش بینی ویژگی های هدایت گرمایی و گرانروی نانوسیال ها نشان می دهد. مقایس ه ای بین پیش بینی مدل های پیشنهادی و پیش بینی مدل های مرسوم مانند, ماکسول, براگمن, انیشتین, کرینگر و. . . (در مورد هدایت گرمایی) و مدل های اینشتین, کریگر, نیلسن, باتچلر و برینکمن (در مورد گرانروی) نشان داد که مدل های پیشنهادی این پژوهش در توافق بیش تری با مقدارهای تجربی هستند. این دو مدل همچنین ما را در پیش بینی هدایت گرمایی و گرانروی نسبی نانوسیال های تازه با مشخصه های گوناگون توانمند می سازند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    موسوی، مجید، دانشور، آزاده، و فیروزی راد، خدیجه. (1398). پیش بینی ویژگی های انتقالی (هدایت گرمایی و گرانروی) نانوسیال ها با استفاده از روش شبکه ی عصبی مصنوعی. شیمی و مهندسی شیمی ایران (فارسی)، 38(3 (پیاپی 93))، 219-242. SID. https://sid.ir/paper/388651/fa

    Vancouver: کپی

    موسوی مجید، دانشور آزاده، فیروزی راد خدیجه. پیش بینی ویژگی های انتقالی (هدایت گرمایی و گرانروی) نانوسیال ها با استفاده از روش شبکه ی عصبی مصنوعی. شیمی و مهندسی شیمی ایران (فارسی)[Internet]. 1398؛38(3 (پیاپی 93)):219-242. Available from: https://sid.ir/paper/388651/fa

    IEEE: کپی

    مجید موسوی، آزاده دانشور، و خدیجه فیروزی راد، “پیش بینی ویژگی های انتقالی (هدایت گرمایی و گرانروی) نانوسیال ها با استفاده از روش شبکه ی عصبی مصنوعی،” شیمی و مهندسی شیمی ایران (فارسی)، vol. 38، no. 3 (پیاپی 93)، pp. 219–242، 1398، [Online]. Available: https://sid.ir/paper/388651/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button