مدلسازی و پیش بینی ضریب انتقال حرارت نانو سیالات رقیق ɣ-AL2O3/H2O به کمک سیستم عصبی-فازی

در این پژوهش با استفاده از شبکه عصبی و عصبی-فازی ضریب انتقال حرارت در نانوسیالات جاری در یک لوله مدور در رژیم جریان آشفته مدلسازی و پیش بینی شده است. داده های ورودی به مدل، عدد رینولدز و کسر حجمی نرمال شده نانو ذرات و خروجی آن ضریب انتقال حرارت نرمال شده است. در شبکه عصبی استفاده شده مقادیر متوسط خطای نسبی و متوسط مربع خطا نسبت به نتایج آزمایشگاهی به ترتیب برابر 002/0 و 0005/0 می باشد، در شبکه عصبی-فازی برای داده های آموزش این مقادیر خطا به ترتیب 0 و 0، و برای داده های تست 0027/0- و 00067/0 به دست آمده است. مقدار ضریب تبیین در شبکه عصبی 99/0 است که نشان دهنده پیش بینی مناسب این روش می باشد. این مقدار در روش عصبی-فازی برای داده های آموزش 1 و برای داده های تست 988/0 می باشد. براساس این مقادیر می توان نتیجه گرفت استفاده از شبکه عصبی-فازی جهت پیش بینی ضریب انتقال حرارت در نانوسیالات مناسب تر است.