این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۲۲، شماره ۱، صفحات ۸۹-۱۰۸
عنوان فارسی پیش‌بینی عملکرد حرارتی نانو سیال Al۲O۳ توسط شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی
چکیده فارسی مقاله در سال­های اخیر، استفاده از روش­های مدل­سازی که مستقیماً از داده­های تجربی استفاده می­کنند به دلیل دقت بالا در پیش­بینی نتایج فرآیند، به جای روش­های آماری رو به افزایش است. در این مقاله، توانایی مدل­های شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) در پیش­بینی عملکرد حرارتی نانوسیال Al2O3 که توسط مقاومت حرارتی سنجیده می­شود، بررسی شده است. داده­های آزمایشگاهی از یکی از مقالات معتبر که عملکرد حرارتی نانوسیال Al2O3 را درون یک لوله حرارتی نوسانی بررسی کرده بود، استخراج شد. برای مدل­سازی توسط ANN از یک شبکه پرسپترون چندلایه و برای ANFIS از یک مدل فازی سوگنو استفاده شد که هر دو از دقیق­ترین و رایج­ترین روش­های مدل­سازی هستند. مقایسه مقادیر هدف با مقادیر پیش­بینی شده توسط هر دو مدل بسیار رضایت ­بخش بود و ضریب همبستگی برای هر دو بیش از 99/0 بدست آمد که نشان­دهنده میزان بالای دقت این دو مدل است. در نهایت عملکرد هر دو مدل با هم مقایسه شد که عملکرد هردو بسیار خوب و نزدیک به هم بود، ولی در مجموع ANN نسبت به ANFIS عملکرد بهتری از خود نشان داد.  
کلیدواژه‌های فارسی مقاله مدل‌سازی، ANN، ANFIS، مقاومت حرارتی، نانوسیال، Al2O3.
عنوان انگلیسی Prediction of Thermal performance nanofluid Al2O3 by Artificial Neural Network and Adaptive Neuro-Fuzzy Inference Systemt
چکیده انگلیسی مقاله In recent years, the use of modeling methods that directly utilize empirical data is increasing due to the high accuracy in predicting the results of the process, rather than statistical methods. In this paper, the ability of Artificial Neural Network (ANN) and Adaptive Fuzzy-Neural Inference System (ANFIS) models in the prediction of the thermal performance of Al2O3 nanofluid that is measured by thermal resistance is investigated. The laboratory data was extracted from a valid paper that examined the thermal performance of Al2O3 nanoparticles in an oscillating tube. For modeling by ANN, a multi-layered perceptron network was used and for ANFIS a sugeno fuzzy model was used that are both the most accurate and most commonly used modeling methods. Comparison of target values ​​with predicted values ​​by both models was highly satisfactory, and the correlation coefficient for both of them was more than 0.99, which indicates that the accuracy of these two models is high. Finally, the performance of both models was compared with each other, which was very good and close, but in general ANN showed better performance than ANFIS.
کلیدواژه‌های انگلیسی مقاله Modeling ANN ANFIS thermal resistance nanofluid Al2O3.
نویسندگان مقاله دانیال خزائی | daneial khazaei


داریوش جعفری | dariush jafari
دانشگاه ازاد اسلامی واحد بوشهر

مرتضی اسفندیاری | morteza EsFandyari
دانشگاه بجنورد گروه مهندسی شیمی

نشانی اینترنتی http://necjournals.ir/browse.php?a_code=A-10-2096-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/626/article-626-2363073.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده انرژی و محیط زیست
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات