پیش بینی عملکرد حرارتی نانو سیال Al۲O۳ توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی
Publish place: Iranian journal of Energy، Vol: 22، Issue: 1
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 271
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJENERGY-22-1_004
تاریخ نمایه سازی: 31 خرداد 1400
Abstract:
در سالهای اخیر، استفاده از روشهای مدلسازی که مستقیما 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 Al۲O۳ که توسط مقاومت حرارتی سنجیده میشود، بررسی شده است. دادههای آزمایشگاهی از یکی از مقالات معتبر که عملکرد حرارتی نانوسیال Al۲O۳ 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 ۹۹/۰ 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.
Keywords:
Authors
داریوش جعفری
دانشگاه ازاد اسلامی واحد بوشهر
مرتضی اسفندیاری
دانشگاه بجنورد گروه مهندسی شیمی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :