مدل سازی رسانندگی حرارتی نانوسیال های حاوی نانولوله های کربنی بر پایه اتیلن گلیکول با استفاده از شبکه عصبی پرسپترون چند لایه ای

در تحقیق قبلی انجام شده]1[، نانوسیال ها با استفاده از نانولوله های کربنی اولیه و نانولوله های کربنی عامل دار با زمان های رفلاکس یک، دو و چهار ساعت و غلظت های 1/0، 25/0 و 5/0 درصد حجمی تهیه و رسانندگی حرارتی آن ها در دماهای 20، 30، 40 و 50 درجه ی سانتی گراد اندازه گیری شد. به دلیل پرهزینه و زمان بر بودن کارهای تجربی، معمولا امکان بررسی گسترده آن ها وجود ندارد. یکی از بهترین روش ها برای بررسی کم هزینه و گسترده ی کارهای تجربی، استفاده از روش های مدل سازی است. از جمله این روش ها، روش شبکه های عصبی مصنوعی است که از مدل های اولیه ی فرآیندهای حسی مغز الهام می گیرد. با استفاده از شبکه های عصبی مصنوعی می توان آزمایشگاهی مجازی طراحی و نتایج را برای شرایط مشابه که به صورت تجربی اندازه گیری نشده اند، پیش بینی نمود. در این تحقیق، جهت طراحی آزمایشگاه مجازی و مدل سازی داده های تجربی شامل نتایج اندازه گیری رسانندگی حرارتی نانوسیال های حاوی نانولوله های کربنی بر پایه اتیلن گلیکول از شبکه عصبی پرسپترون چند لایه ای(MLP) استفاده گردید. جهت رسیدن به حداقل خطا، شبکه های عصبی با تعداد لایه های مخفی متفاوت (1، 2 و 3 لایه) و تعداد نرون های 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 پیش بینی نتایج در شرایط نزدیک به شرایط آزمایش، استفاده شد و مشاهده گردید که نتایج پیش بینی شده با نتایج تجربی بدست آمده، سازگاری دارند.