مدل‌سازی رسانندگی حرارتی نانوسیال‌های حاوی نانولوله‌های کربنی بر پایه اتیلن گلیکول با استفاده از شبکه عصبی پرسپترون چند لایه‌ای

Abstract

در تحقیق قبلی انجام شده ]1[، نانوسیال‌ها با استفاده از نانولوله‌های کربنی اولیه و نانولوله‌های کربنی عامل‌دار با زمان‌های رفلاکس یک، دو و چهار ساعت و غلظت‌های 1/0، 25/0 و 5/0 درصد حجمی تهیه و رسانندگی حرارتی آن‌ها در دماهای 20، 30، 40 و 50 درجه‌ی سانتی‌گراد اندازه‌گیری شد. به دلیل پرهزینه و زمان‌بر بودن کارهای تجربی، معمولاً امکان بررسی گسترده آن‌ها وجود ندارد. یکی از بهترین روش‌ها برای بررسی کم‌هزینه و گسترده‌ی کارهای تجربی، استفاده از روش‌های مدل‌سازی است. از جمله این روش‌ها، روش شبکه‌های عصبی مصنوعی است که از مدل‌های اولیه‌ی فرآیندهای حسی مغز الهام می گیرد. با استفاده از شبکه‌های عصبی مصنوعی می‌توان آزمایشگاهی مجازی طراحی و نتایج را برای شرایط مشابه که به صورت تجربی اندازه‌گیری نشده‌اند، پیش‌بینی نمود. در این تحقیق، جهت طراحی آزمایشگاه مجازی و مدل‌سازی داده‌های تجربی شامل نتایج اندازه‌گیری رسانندگی حرارتی نانوسیال‌های حاوی نانولوله‌های کربنی بر پایه اتیلن گلیکول از شبکه عصبی پرسپترون چند لایه‌ای(MLP) استفاده گردید. جهت رسیدن به حداقل خطا، شبکه‌های عصبی با تعداد لایه‌های مخفی متفاوت (1، 2 و 3 لایه) و تعداد نرون‌های متفاوت در هر لایه (2، 3، 4، 5، 6، 10 و 15 نرون) مورد برررسی قرار گرفتند. کمترین درصد خطا که 5/6 % بود برای شبکه عصبی شامل دو لایه مخفی که لایه اول دارای 3 نرون و لایه دوم دارای 2 نرون بود، بدست آمد. سپس از این شبکه جهت پیش‌بینی نتایج در شرایط نزدیک به شرایط آزمایش، استفاده شد و مشاهده گردید که نتایج پیش‌بینی شده با نتایج تجربی بدست آمده، سازگاری دارند.