Iranian Journal of Energy

fa پیش‌بینی عملکرد حرارتی نانو سیال Al2O3 توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی Prediction of Thermal performance nanofluid Al2O3 by Artificial Neural Network and Adaptive Neuro-Fuzzy Inference Systemt انرژی و محیط زیست Energy and Environment پژوهشي Research 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.   In recent years, the use of modeling methods that directly utilize empirical data is increasing due to the high accuracy in predicting the results of the process, rather than statistical methods. In this paper, the ability of Artificial Neural Network (ANN) and Adaptive Fuzzy-Neural Inference System (ANFIS) models in the prediction of the thermal performance of Al2O3 nanofluid that is measured by thermal resistance is investigated. The laboratory data was extracted from a valid paper that examined the thermal performance of Al2O3 nanoparticles in an oscillating tube. For modeling by ANN, a multi-layered perceptron network was used and for ANFIS a sugeno fuzzy model was used that are both the most accurate and most commonly used modeling methods. Comparison of target values with predicted values by both models was highly satisfactory, and the correlation coefficient for both of them was more than 0.99, which indicates that the accuracy of these two models is high. Finally, the performance of both models was compared with each other, which was very good and close, but in general ANN showed better performance than ANFIS. مدل‌سازی, ANN, ANFIS, مقاومت حرارتی, نانوسیال, Al2O3. Modeling ANN ANFIS thermal resistance nanofluid Al2O3. 89 108 http://necjournals.ir/browse.php?a_code=A-10-2096-1&slc_lang=fa&sid=1 daneial khazaei دانیال خزائی D.khazaei1@yahoo.com 10031947532846005288 10031947532846005288 No dariush jafari داریوش جعفری dariush.jafari@yahoo.com 10031947532846005289 10031947532846005289 No دانشگاه ازاد اسلامی واحد بوشهر morteza EsFandyari مرتضی اسفندیاری m.esfandyari@ub.ac.ir 10031947532846005290 10031947532846005290 Yes دانشگاه بجنورد گروه مهندسی شیمی