文献

J-GLOBAL ID：201802288617528712   整理番号：18A0421967

ナノプレートレットを含む緑色共有結合官能化グラフェンのナノ流体のレオロジー的及び熱物理的性質の知的モデリング【Powered by NICT】

Intelligent modeling of rheological and thermophysical properties of green covalently functionalized graphene nanofluids containing nanoplatelets

著者 (2件)： Amani Pouria (School of Chemical Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Vajravelu K. (Department of Mathematics, University of Central Florida, Orlando, FL 32816, USA)
資料名： International Journal of Heat and Mass Transfer  (International Journal of Heat and Mass Transfer)
巻： 120  ページ： 95-105  発行年： 2018年 
JST資料番号： C0390A  ISSN： 0017-9310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 工業的応用における正確な予測の重要性に関して,本研究は,グラフェンナノプレートレット(CGNP)を含む環境に優しい共有結合官能化ナノ流体のレオロジー的及び熱物理的性質のモデリングと多基準最適化を行うための人工神経回路網(ANN)の能力を調べることを目的とする。この寄稿論文において,様々なANN構造を評価し,線形伝達関数(purelin)と出力と隠れた層における双曲線正接シグモイド(tansig)伝達関数を持つ2 7 12 4 12 7 1と2 5 1構造を持つNNはネットワーク出力間の最小差と熱伝導率,粘度,比熱,及び密度の実験データを与えることが分かった。さらに,熱伝導率のための新しい相関とナノ流体の粘度を提案し,LASSO(最小絶対収縮及び選択演算子)とSVM(サポートベクトルマシン)法も比較目的のために提示した。は全てのモデルは非常に匹敵する様式で行い,問題の容易な性質のアイデアを与えることが観察された。そのような問題のためのLASSOまたはSVMのような単純な線形モデルを訓練するために推奨され,おそらく複雑なNNは,ナノ流体を含む冷却あるいは加熱システムのような実用的な予測の応用例には必要としない。さらに,最適条件を見出す工学問題のもう一つの重要な側面である。これに関連して,ナノ流体の熱特性(すなわち,最高の熱伝導率と比較的低い粘度を持つ最適事例を見付けるのに)の多基準最適化は妥協計画法と組み合わせた遺伝的アルゴリズムを用いて行った。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 粘度 ,  熱伝導率 ,  *グラフェン ,  線形性 ,  熱特性 ,  *レオロジー ,  *モデリング ,  最適条件 ,  ニューラルネットワーク ,  伝達関数 ,  遺伝的アルゴリズム
準シソーラス用語： 多基準最適化 ,  *熱物性 ,  *ナノ流体 ,  *ナノプレートレット , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工ニューラルネットワーク ,  多基準最適化 ,  環境にやさしいナノ流体 ,  熱物理的性質 ,  LASSO(最小絶対値縮小選択演算子) ,  SVM(サポートベクトルマシン)

分類 (2件)： 対流・放射熱伝達  (PA02030K) ,  不均質流  (BC02060J)

タイトルに関連する用語 (9件)： ナノプレートレット ,  緑色 ,  共有結合 ,  官能化 ,  グラフェン ,  ナノ流体 ,  レオロジー ,  熱物理的性質 ,  モデリング