میلاد اسفندیار - عضو هیئت علمی، گروه مهندسی مکانیک، دانشگاه فنی و حرفه ای، تهران، ایران
غلامرضا پورعبدی - دانش آموخته کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه صنعتی مالک اشتر، تهران، ایران.
مصطفی اکبری - استادیار، گروه مهندسی مکانیک، دانشگاه فنی و حرفه ای، تهران، ایران
عرفان اسکندری - دانش آموخته کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران.

در مطالعه حاضر، با استفاده از شبیه سازی عددی اکسی سیمتریک مبتنی بر روش اویلر-اویلر جوشش جریانی مادون سرد آب خالص در یک لوله را مورد بررسی قرار داده و ضریب انتقال حرارت محلی و متوسط، کسر حجمی بخار محلی و متوسط و دمای دیواره محلی و متوسط تحت شرایط مرزی مختلف برای مورد بررسی قرار گرفته است. با توجه به نتایج به دست آمده از شبیه سازی عددی، دمای دیواره با افزایش فشار افزایش می یابد. همچنین کسر حجمی بخار با افزایش فشار کاهش یافته است. تاثیر شار حرارتی بر دمای دیواره و کسر حجمی بخار بیشتر از تمامی شرایط مرزی دیگر می باشد. اگرچه رویکرد های عددی دید کاملی در مورد الگوی جریان و ویژگی های حرارتی می دهند، شبیه سازی جریان های چندفازی پیچیده نیازمند منابع محاسباتی بالایی است و بسیار زمان بر است. در نتیجه، ما یک رویکرد یادگیری عمیق مبتنی بر شبکه های عصبی مصنوعی برای پیش بینی پارامتر های ذکر شده در آب خالص ارائه می کنیم. مدل های ارائه شده در مطالعه حاضر با استفاده از روش بهینه سازی فراپارامترها به صورت دقیق پارامترهای خروجی را پیش بینی می کنند. نتایج حاصل از مدل های پیش بینی نشان می دهد که این مدل ها قادر به پیش بینی دقیق توابع هدف با میانگین خطای مطلق کمتر از ۵/۲% و ضریب تعیین بیشتر از ۹/۰ است.

حل عددی, الگوریتم یادگیری ماشین, شبکه عصبی مصنوعی و ضریب انتقال حرارت