1
گروه مهندسی مکانیک-دانشکده فنی و مهندسی-دانشگاه جامع امام حسین(علیه السلام)- تهران-ایران
2
گروه مهندسی شیمی-دانشکده فنی و مهندسی-دانشگاه جامع امام حسین (علیه السلام)- تهران-ایران
چکیده
هدایت حرارتی نانوسیال MWCNT(40%)-CuO(30%)-TiO2(30%)/Water در کسر حجمیها و دماهای مختلف با روش شبکه عصبی مصنوعی، مدلسازی و تحلیل میشود. شبکه عصبی مصنوعی از نوع MLP هست. 48 سری داده تجربی مورد استفاده قرار گرفت که به ترتیب %70، %15 و %15 برای آموزش، اعتبارسنجی و آزمون به کار رفت. ساختار عصبی بهینه دارای دو لایه پنهان است که در لایه اول 4 نورون و در لایه دوم 5 نورون به ترتیب با تابع انتقال logsig و tansig قرار دارد. آموزش شبکه عصبی با الگوریتم لونبرگ-مارکوارت (ML) انجام میشود. مقادیر پارامترهای ضریب رگرسیون R و میانگین خطا MSE برای ساختار بهینه به ترتیب برابر با 9995753/0 و 2.8734E-06 به دست آمدند. رابطه همگرایی نیز برای پیشبینی هدایت حرارتی نانوسیال ارائه میشود. مقایسه بین مدل همگرایی و شبکه عصبی مصنوعی، نشان از برتری شبکه عصبی مصنوعی دارد. مقادیر MOD برای شبکه عصبی مصنوعی نیز در محدوده %3- تا %7+ قرار گرفت ح-