مدل پيش‌بيني عملكرد حرارتي نانو سيال Al2O3 توسط شبكه عصبي مصنوعي و سيستم استنتاج عصبي-فازي تطبيقي

Prediction of Thermal performance nanofluid Al2O3 by Artificial Neural Network and Adaptive Neuro-Fuzzy Inference Systemt

در سال­ هاي اخير، استفاده از روش ­هاي مدل­ سازي كه مستقيماً از داده ­هاي تجربي استفاده مي­ كنند به دليل دقت بالا در پيش­بيني نتايج فرآيند، به جاي روش­هاي آماري رو به افزايش است. در اين مقاله، توانايي مدل­هاي شبكه عصبي مصنوعي (ANN) و سيستم استنتاج فازي-عصبي تطبيقي (ANFIS) در پيش ­بيني عملكرد حرارتي نانوسيال Al2O3 كه توسط مقاومت حرارتي سنجيده مي­شود، بررسي شده است. داده­ هاي آزمايشگاهي از يكي از مقالات معتبر كه عملكرد حرارتي نانوسيال Al2O3 را درون يك لوله حرارتي نوساني بررسي كرده بود، استخراج شد. براي مدل­سازي توسط ANN از يك شبكه پرسپترون چندلايه و براي ANFIS از يك مدل فازي سوگنو استفاده شد كه هر دو از دقيق­ترين و رايج­ترين روش­ هاي مدل­سازي هستند. مقايسه مقادير هدف با مقادير پيش ­بيني شده توسط هر دو مدل بسيار رضايت ­بخش بود و ضريب همبستگي براي هر دو بيش از 0/99 بدست آمد كه نشان ­دهنده ميزان بالاي دقت اين دو مدل است. در نهايت عملكرد هر دو مدل با هم مقايسه شد كه عملكرد هردو بسيار خوب و نزديك به هم بود، ولي در مجموع ANN نسبت به ANFIS عملكرد بهتري از خود نشان داد.

In recent years, the use of modeling methods that directly utilize empirical data is increasing due to the high accuracy in predicting the results of the process, rather than statistical methods. In this paper, the ability of Artificial Neural Network (ANN) and Adaptive Fuzzy-Neural Inference System (ANFIS) models in the prediction of the thermal performance of Al2O3 nanofluid that is measured by thermal resistance is investigated. The laboratory data was extracted from a valid paper that examined the thermal performance of Al2O3 nanoparticles in an oscillating tube. For modeling by ANN, a multi-layered perceptron network was used and for ANFIS a sugeno fuzzy model was used that are both the most accurate and most commonly used modeling methods. Comparison of target values ​​with predicted values ​​by both models was highly satisfactory, and the correlation coefficient for both of them was more than 0.99, which indicates that the accuracy of these two models is high. Finally, the performance of both models was compared with each other, which was very good and close, but in general ANN showed better performance than ANFIS.