مدلسازی رسانندگی حرارتی نانوسیال‌های حاوی نانولوله‌های کربنی بر پایه اتیلن گلیکول با استفاده از شبکه عصبی پرسپترون چند لایه‌ای
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 17، شماره: 59
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 183
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-17-59_001
تاریخ نمایه سازی: 21 اسفند 1399
چکیده مقاله:
در تحقیق قبلی انجام شده ]1[، نانوسیال‌ها با استفاده از نانولوله‌های کربنی اولیه و نانولوله‌های کربنی عامل‌دار با زمان‌های رفلاکس یک، دو و چهار ساعت و غلظت‌های 1/0، 25/0 و 5/0 درصد حجمی تهیه و رسانندگی حرارتی آنها در دماهای 20، 30، 40 و 50 درجه‌ی سانتی‌گراد اندازه‌گیری شد. به دلیل پرهزینه و زمان‌بر بودن کارهای تجربی، معمولاً امکان بررسی گسترده آنها وجود ندارد. یکی از بهترین روش‌ها برای بررسی کم‌هزینه و گسترده‌ی کارهای تجربی، استفاده از روش‌های مدلسازی است. از جمله این روش‌ها، روش شبکههای عصبی مصنوعی است که از مدل‌های اولیه‌ی فرآیندهای حسی مغز الهام می گیرد. با استفاده از شبکههای عصبی مصنوعی می‌توان آزمایشگاهی مجازی طراحی و نتایج را برای شرایط مشابه که به صورت تجربی اندازه‌گیری نشده‌اند، پیش‌بینی نمود. در این تحقیق، جهت طراحی آزمایشگاه مجازی و مدلسازی داده‌های تجربی شامل نتایج اندازه‌گیری رسانندگی حرارتی نانوسیال‌های حاوی نانولوله‌های کربنی بر پایه اتیلن گلیکول از شبکه عصبی پرسپترون چند لایه‌ای(MLP) استفاده گردید. جهت رسیدن به حداقل خطا، شبکههای عصبی با تعداد لایه‌های مخفی متفاوت (1، 2 و 3 لایه) و تعداد نرون‌های متفاوت در هر لایه (2، 3، 4، 5، 6، 10 و 15 نرون) مورد برررسی قرار گرفتند. کمترین درصد خطا که 5/6 % بود برای شبکه عصبی شامل دو لایه مخفی که لایه اول دارای 3 نرون و لایه دوم دارای 2 نرون بود، بدست آمد. سپس از این شبکه جهت پیش‌بینی نتایج در شرایط نزدیک به شرایط آزمایش، استفاده شد و مشاهده گردید که نتایج پیش‌بینی شده با نتایج تجربی بدست آمده، سازگاری دارند.
کلیدواژه ها:
نویسندگان
آمنه آهنگرپور
گروه فیزیک، دانشکده علوم، دانشگاه شهید چمران اهواز، اهواز، جمهوری اسلامی ایران.
منصور فربد
گروه فیزیک، دانشکده علوم، دانشگاه شهید چمران اهواز، اهواز، جمهوری اسلامی ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :