Applications of feedforward multilayer perceptron artificial neural networks and empirical correlation for prediction of thermal conductivity of Mg(OH)2-EG using experimental data
บทความในวารสาร
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Hemmat Esfe M., Afrand M., Wongwises S., Naderi A., Asadi A., Rostami S., Akbari M.
ผู้เผยแพร่: Elsevier
ปีที่เผยแพร่ (ค.ศ.): 2015
วารสาร: International Communications in Heat and Mass Transfer (0735-1933)
Volume number: 67
หน้าแรก: 46
หน้าสุดท้าย: 50
จำนวนหน้า: 5
นอก: 0735-1933
eISSN: 1879-0178
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
This paper presents an investigation on the thermal conductivity of nanofluids using experimental data, neural networks, and correlation for modeling thermal conductivity. The thermal conductivity of Mg(OH)2 nanoparticles with mean diameter of 10nm dispersed in ethylene glycol was determined by using a KD2-pro thermal analyzer. Based on the experimental data at different solid volume fractions and temperatures, an experimental correlation is proposed in terms of volume fraction and temperature. Then, the model of relative thermal conductivity as a function of volume fraction and temperature was developed via neural network based on the measured data. A network with two hidden layers and 5 neurons in each layer has the lowest error and highest fitting coefficient. By comparing the performance of the neural network model and the correlation derived from empirical data, it was revealed that the neural network can more accurately predict the Mg(OH)2-EG nanofluids' thermal conductivity. ฉ 2015 Elsevier Ltd.
คำสำคัญ
Artificial neural network
ติดต่อสอบถามเพิ่มเติมได้ที่