پیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 230

This Paper With 5 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_TUMECHJ-47-3_035

تاریخ نمایه سازی: 20 آبان 1400

Abstract:

هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیری های تجربی محققین قبلی در مورد رسانایی گرمایی نانوسیال گرافن در دمای ۲۵ تا ۵۰ درجه سلسیوس و در کسر حجمی  ۰۰۵/۰ تا ۰۵۶/۰ تست عملکرد شبکه انجام شده است. جهت بررسی میزان دقت مدل در پیش بینی رسانایی گرمایی نانوسیال، از شاخص های جذر میانگین مربعات خطا، ضریب تشخیص و درصد میانگین مطلق خطا استفاده شده است که این مقادیر به ترتیبW/mK۰۴/۰ ،۹۹ درصد و ۲۶/۰ درصد است. نتایج حاصل از شاخص ها ، دقت و اطمینان مدل ارایه شده را در مقایسه با نتایج تجربی و مدل های تئوری را نشان می دهد.

Authors

سهیلا خسروجردی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران مرکزی، باشگاه پژوهشگران جوان و نخبگان، تهران، ایران

آرش میرعبدله لواسانی

دانشیار، گروه مهندسی مکانیک، دانشگاه آزاداسلامی واحد تهران مرکزی، تهران، ایران

مسعود وکیلی

کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

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 :
  • Das, Sarit K., et al., Nanofluids: science and technology. John Wiley ...
  • Chol, S. U. S., Enhancing thermal conductivity of fluids with ...
  • Gupta Soujit Sen, et al., Thermal conductivity enhancement of nanofluids ...
  • Aravind, SS Jyothirmayee, and S. Ramaprabhu. Surfactant free graphene nanosheets ...
  • Yu, Wei, et al. Significant thermal conductivity enhancement for nanofluids ...
  • Barbés, Benigno, et al. Thermal conductivity and specific heat capacity ...
  • Paul, G., et al., Techniques for measuring the thermal conductivity ...
  • [۸ Eslamloueyan, R., and M. H. Khademi, Estimation of thermal ...
  • Najafi, Alireza, et al. Thermal Conductivity Prediction of Pure Liquids ...
  • Bhoopal, Rajpal S., et al. Applicability of artificial neural networks ...
  • Papari, Mohammad M., et al., Modeling thermal conductivity augmentation of ...
  • Hojjat, M., et al., Thermal conductivity of non-Newtonian nanofluids: experimental ...
  • Longo, Giovanni A., et al., Application of artificial neural network ...
  • Esfe, Mohammad Hemmat, et al., Thermal conductivity modeling of MgO/EG ...
  • Esfe, Mohammad Hemmat, et al. Modeling of thermal conductivity of ...
  • Haykin, Simon, and Neural Network., A comprehensive foundation, Neural Networks ۲.۲۰۰۴, ...
  • Araghinejad, Shahab. Data-driven modeling: using MATLAB® in water resources and environmental ...
  • Baby, Tessy Theres, and Ramaprabhu S., Investigation of thermal and ...
  • Buongiorno, Jacopo, et al. A benchmark study on the thermal ...
  • نمایش کامل مراجع