حمیدرضا کیکاوس زمان - کارشناسی ارشد، گروه مکانیک، واحد تهران شرق، دانشگاه آزاد اسلامی، تهران، ایران
محمد محمدیون - دانشیار، گروه مکانیک، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
حمید محمدیون - دانشیار، گروه مکانیک، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران
شایسته شکاری - کارشناسی ارشد، گروه شیمی، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران

در این بررسی نتایج حاصل از ارزیابی ضریب هدایت حرارتی ، ویسکوزیته و پارامترهای انتقال حرارت با نانو سیال اکسید اهن که سایز تقریبی۱۳نانومتر می باشد استفاده گردید.نانو سیال در غلظت های وزنی ۰/۱ تا ۲ درصد می باشد. نتایج نشان می دهد که با افزایش دما و کسر وزنی ضریب هدایت حرارتی افزایش می یابد با افزایش دما ویسکوزیته روند نزولی و با زیاد شدن غلظت وزنی روند صعودی دارد.پارامترهای انتقال حرارت از قبیل ضریب انتقال حرارت کلی ، جابجایی ،راندمان و عدد ناسلت با افزایش عدد رینولدز و غلظت وزنی افزایش می یابد که این افزایش در غلظت های بالاتر مشهودتر است. در این مدلسازی از شبکه عصبی پرسپترون و الگوریتم انتشار برگشتی و روش آموزش لونبرگ مارکوآت استفاده شده است .برای بررسی پیش بینی پارامترهای انتقال حرارت با شبکه های عصبی پرسپترون، داده های دمای نانو سیال،عدد رینولدز،کسر وزنی نانو سیال و دمای سیال پایه به عنوان پارامتر ورودی و ضریب انتقال حرارت کلی، جابجایی ،راندمان و عدد ناسلت به عنوان خروجی در نظر گرفته شد .نتایج نشان می دهد در صورت استفاده از چهار متغیر ورودی و تعداد نرون ۱۰ بهترین نتیجه حاصل می شود به طوری که ضریب همبستگی و مجذور مربعات خطا بسیار نرمال می باشد.

نانو سیال اکسید آهن، ضریب هدایت حرارتی، شبکه عصبی مصنوعی