تعیین عدد ناسلت نانوسیال در جریان درون لوله به‌کمک شبکه‌های عصبی مصنوعی

Abstract

امروزه استفاده از نانوسیال در تجهیزات انتقال حرارت همچون مبدل‌های حرارتی بسیار قابل توجه است. لذا پیش‌بینی رفتار و خواص انتقال حرارت نانوسیال به‌عنوان یک هدف کاربردی مطرح می‌باشد. با توجه به هزینة بالای آزمایش‌های انتقال حرارت، تکرار یک آزمایش برای داده‌های گوناگون امکان‌پذیر نیست، لذا پیش‌بینی نتایج یک آزمایش برای مقادیر مختلف داده‌های آزمایش‌نشده مسئله‌ای پراهمیت است. با توجه به نتایج دقیق به‌دست آمده از شبکه‌های عصبی مصنوعی در پیش‌بینی مقادیر، استفاده از این روش در پیش‌بینی مقادیر داده‌های آزمایش‌نشده، در این مقاله مورد توجه قرار گرفته است. در این روش با در دست داشتن تعداد محدودی از داده‌های ورودی و خروجی مطلوب آنها، می‌توان شبکه را به‌گونه‌ای آموزش داد که برای محدودة وسیعی از داده‌های ورودی، خروجی مطلوب را با دقت بسیار خوبی پیش‌بینی کند. در این مقاله مقادیر تجربی به‌دست آمده برای عدد ناسلت در جریان آرام و همچنین جریان مغشوش درون لوله، به‌کمک شبکه‌های عصبی مختلف مدل‌سازی شده، در نهایت بهترین شبکه (با حداقل خطای ممکن) جهت پیش‌بینی مقادیر جدید برای نانوسیال آب - اکسید آلومینیوم مورد استفاده قرار گرفته است. نتایج به‌دست آمده نشان می‌دهند که شبکه‌های عصبی، ابزار مفیدی جهت پیش‌بینی مقادیر مجهول در محدوده‌های آزمایش‌نشده متغیرها با دقت بسیار بالا می‌باشد.