|
پیشبینی عملکرد حرارتی نانو سیال Al2O3 توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی
|
دانیال خزائی   ، داریوش جعفری ، مرتضی اسفندیاری* |
| دانشگاه بجنورد گروه مهندسی شیمی ، m.esfandyari@ub.ac.ir |
|
|
چکیده: (1772 مشاهده) |
در سالهای اخیر، استفاده از روشهای مدلسازی که مستقیماً 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 Al2O3 که توسط مقاومت حرارتی سنجیده میشود، بررسی شده است. دادههای آزمایشگاهی از یکی از مقالات معتبر که عملکرد حرارتی نانوسیال Al2O3 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 99/0 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.
|
|
| واژه‌های کلیدی: مدلسازی، ANN، ANFIS، مقاومت حرارتی، نانوسیال، Al2O3. |
|
|
متن کامل [PDF 1034 kb]
(766 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
انرژی و محیط زیست
دریافت: 1398/2/18 | پذیرش: 1398/4/25 | انتشار: 1399/2/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
