Modeling and optimization of thermal conductivity and viscosity of MnFe2O4 nanofluid under magnetic field using an ANN
บทความในวารสาร
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Amani M., Amani P., Kasaeian A., Mahian O., Pop I., Wongwises S.
ผู้เผยแพร่: Nature Research
ปีที่เผยแพร่ (ค.ศ.): 2017
วารสาร: Scientific Reports (2045-2322)
Volume number: 7
Issue number: 1
นอก: 2045-2322
eISSN: 2045-2322
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
This research investigates the applicability of an ANN and genetic algorithms for modeling and multiobjective optimization of the thermal conductivity and viscosity of water-based spinel-type MnFe2O4 nanofluid. Levenberg-Marquardt, quasi-Newton, and resilient backpropagation methods are employed to train the ANN. The support vector machine (SVM) method is also presented for comparative purposes. Experimental results demonstrate the efficacy of the developed ANN with the LM-BR training algorithm and the 3-10-10-2 structure for the prediction of the thermophysical properties of nanofluids in terms of the significantly superior accuracy compared to developing the correlation and employing SVM regression. Moreover, the genetic algorithm is implemented to determine the optimal conditions, i.e., maximum thermal conductivity and minimum nanofluid viscosity, based on the developed ANN. ฉ 2017 The Author(s).
คำสำคัญ
ไม่พบข้อมูลที่เกี่ยวข้อง
ติดต่อสอบถามเพิ่มเติมได้ที่