پیش بینی ضریب انتقال حرارت در جریان آشفته نانوسیالات مختلف درون لوله های دایره ای، با استفاده از شبکه عصبی مصنوعی

هدف این پژوهش مدلسازی انتقال حرارت جابجایی نانوسیالات در جریان آشفته داخل یک لوله دایرهای با شرایط مرزی دما ثابت و شار حرارتی ثابت است. این مدلسازی با روش شبکه عصبی مصنوعی انجام شده است. تعداد 610 داده از نتایج مطالعات محققان مختلف جمعآوری شده و برای آموزش شبکه عصبی مورد استفاده قرار گرفته است. نانوذراتی که در این پژوهش مورد بررسی قرار گرفته اند عبارتند از Al2O3، TiO2، Graphene، SiC، CuO، SiO2، Fe3O4 و Cu که سیال پایه در تمام این موارد آب است. این شبکه دارای شش ورودی است که عبارتند از چگالی نانوذره، اندازه نانوذره، غلظت نانوذره، عدد رینولدز جریان، نوع شرایط مرزی شار- ثابت یا دما- ثابت و با توجه به نوع مسئله مقدار شار ثابت دیواره یا دمای ثابت آن است. همچنین، خروجی شبکه عصبی طراحی شده عدد ناسلت جریان نانوسیال است. از مقایسه نتایج این مدل شبکه عصبی با نتایج پژوهشهای گذشته مشاهده می شود که مدل شبکه عصبی پیشنهاد شده تطابق بسیار خوبی با نتایج حاصل از پژوهشهای آنها دارد. در این پژوهش، برای انتخاب پیکربندی مناسب شبکه عصبی، 400 پیکربندی مختلف مورد بررسی قرار گرفت که از میان آنها شبکه عصبی با بالاترین میزان دقت تخمین و با 9998/0=R2 انتخاب شد.