در این مقاله که در سال 2015 در ژورنال معتبر " Powder Technology" به چاپ رسیده است به بررسی سابقه کارهای محققین مختلف در خصوص اندازه گیری ضریب رسانایی گرمایی نانوسیالات پرداخته شده است. مدلهای ارائه شده جهت پیش بینی میزان رسانایی گرمایی سوسپانسیونها و نانوسیالات ارائه شده است. در ادامه شبکه های عصبی مورد بحث قرار گرفته و با استفاده از داده های گردآوری شده از مراجع مختلف، مدلی برای پیش بینی میزان رسانایی گرمایی ارائه شده است.
چکیده :
هدف از مطالعه حاضر، توسعه یک شبکه عصبی مصنوعی (ANN) جهت تخمین نسبت رسانایی حرارتی نانوسیال پایه آبی حاوی نانوذرات آلومینا بعنوان تابعی از دما، درصد حجمی و اندازه نانوذره میباشد. پارامترهای شبکه عصبی با استفاده از یک الگوریتم(back propagation learning algorithm) و استفاده از 285 داده تجربی جمع آوری شده از منابع مختلف، تنظیم و تعدیل گردید. تحلیل دقیق آماری تایید نمود یک مدل شبکه دو لایه ای پیشرو با 14 نرون مخفی، دارای بهترین عملکرد می باشد. شبکه توسعه داده شده توانست نسبت ضریب رسانایی گرمایی را با قدرمطلق انحراف نسبی متوسط (AARD) به میزان 1.27 درصد و خطای متوسط میانگین (MSE) به میزان 4-10*4.73 و ضریب رگرسیون (R2) برابر با0.97 ، نسبت به داده های تجربی پیش بینی نماید. مقایسه توانایی پیش بینی روش ارائه شده با تعدادی از روابط پیشنهادی در مطالعات دیگر، تایید می نماید که این مدل شبکه دارای نتایج بسیار بهتری از سایر روابط ارائه شده دارد و میتوان از آن بعنوان یک ابزار عملی جهت محاسبه نسبت رسانایی گرمایی نانوسیال آلومینا مورد استفاده قرار گیرد.
کلمات کلیدی : دانلود مقاله لاتین- دانلود مقاله نانوتکنولوژی- دانلود مقاله- دانلود مقاله آی اس آی نانوتکنولوژی- دانلود مقاله ISI نانوتکنولوژی- نانوتکنولوژی- آلومینا- رسانایی گرمایی- شبکه های عصبی- مقاله لاتین نانوتکنولوژی- مقاله لاتین نانو- دانلود رایگان مقاله نانوتکنولوژی- nanotechnology- ISI paper- دانلود مقاله جدید، دانلود مقاله 2015
اگر به دنبال ترجمه تخصصی و روان مقاله فوق هستید درخواست خود را به این آدرس ایمیل کنید:
petrokadeh@yahoo.com
دانلود مقاله لاتین 2015 با عنوان پیش بینی ضریب رسانایی گرمایی نانوسیالات آلومینا بر پایه آب با استفاده از شبکه های عصبی مصنوعی