تعيين عدد ناسلت نانوسيال در جريان درون لوله به كمك شبكه هاي عصبي مصنوعي

امروزه استفاده از نانوسيال در تجهيزات انتقال حرارت همچون مبدل هاي حرارتي بسيار قابل توجه است. لذا پيش بيني رفتار و خواص انتقال حرارت نانوسيال به عنوان يك هدف كاربردي مطرح مي باشد. با توجه به هزينه بالاي آزمايش هاي انتقال حرارت، تكرار يك آزمايش براي داده هاي گوناگون امكان پذير نيست، لذا پيش بيني نتايج يك آزمايش براي مقادير مختلف داده هاي آزمايش نشده مسئله اي پراهميت است. با توجه به نتايج دقيق به دست آمده از شبكه هاي عصبي مصنوعي در پيش بيني مقادير، استفاده از اين روش در پيش بيني مقادير داده هاي آزمايش نشده، در اين مقاله مورد توجه قرار گرفته است. در اين روش با در دست داشتن تعداد محدودي از داده هاي ورودي و خروجي مطلوب آنها، مي توان شبكه را به گونه اي آموزش داد كه براي محدوده وسيعي از داده هاي ورودي، خروجي مطلوب را با دقت بسيار خوبي پيش بيني كند. در اين مقاله مقادير تجربي به دست آمده براي عدد ناسلت در جريان آرام و همچنين جريان مغشوش درون لوله، به كمك شبكه هاي عصبي مختلف مدل سازي شده، در نهايت بهترين شبكه (با حداقل خطاي ممكن) جهت پيش بيني مقادير جديد براي نانوسيال آب - اكسيد آلومينيوم مورد استفاده قرار گرفته است. نتايج به دست آمده نشان مي دهند كه شبكه هاي عصبي، ابزار مفيدي جهت پيش بيني مقادير مجهول در محدوده هاي آزمايش نشده متغيرها با دقت بسيار بالا مي باشد.