文献

J-GLOBAL ID：201902218588376640   整理番号：19A0489136

RBFニューラルネットワークを用いた異なるエチレングリコール/水ベースのナノ流体の粘度予測【JST・京大機械翻訳】

Viscosity Prediction of Different Ethylene Glycol/Water Based Nanofluids Using a RBF Neural Network

著者 (2件)： Zhao Ningbo (College of Power and Energy Engineering, Harbin Engineering University, Harbin 150001, China) ,  Li Zhiming (College of Power and Energy Engineering, Harbin Engineering University, Harbin 150001, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 7  号： 4  ページ： 409  発行年： 2017年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究では,異なるエチレングリコール/水ベースのナノ流体の粘度比を効果的に予測するために,三層フィードフォワードアーキテクチャを有する動径基底関数(RBF)ニューラルネットワークを開発した。CuO,TiO2,SiO2およびSiCナノ粒子を含む合計216の実験データを公表文献から収集し,RBFニューラルネットワークを訓練し試験した。温度,ナノ粒子特性(サイズ,体積分率,密度),およびベース流体の粘度を含むパラメータを,RBFニューラルネットワークの入力変数として選択した。研究は,RBFニューラルネットワークにより予測された粘度比が実験データと良く一致することを示した。根平均二乗誤差(RMSE),平均絶対百分率誤差(MAPE),二乗誤差(SSE)の合計,および多重決定の統計係数(R2)は,Spreadが0.3であったとき,それぞれ,0.04615,2.12738%,0.4607,および0.99925であった。さらに,RBFニューラルネットワークは,典型的なBatchelorモデルおよびChenモデルよりも,ナノ流体の粘度比を予測するためのより良い能力を有し,RBFニューラルネットワークの予測性能は,データセットのサイズによって影響を受けた。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動径基底関数 ,  フィードフォワード ,  *粘度 ,  基底流 ,  計算機アーキテクチャ ,  体積率 ,  ナノ粒子 ,  多重化 ,  測定データ ,  *ニューラルネットワーク ,  予測誤差 ,  *予測 ,  脂肪族アルコール ,  ジオール
準シソーラス用語： 平均二乗誤差 ,  *ナノ流体 ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ナノ流体 ,  粘度 ,  RBFニューラルネットワーク ,  エチレングリコール/水

分類 (2件)： 熱伝導  (PA02020Z) ,  粉体工学  (XD03010M)

物質索引 (1件)： エチレングリコール

引用文献 (32件)：

• Peyghambarzadeh, S.M.; Hashemabadi, S.H.; Hoseini, S.M.; Jamnani, M.S. Experimental study of heat transfer enhancement using water/ethylene glycol based nanofluids as a new coolant for car radiators. Int. Commun. Heat Mass 2011, 38, 1283-1290.
• Garoosi, F.; Jahanshaloo, L.; Rashidi, M.M.; Badakhsh, A.; Ali, M.E. Numerical simulation of natural convection of the nanofluid in heat exchangers using a Buongiorno model. Appl. Math. Comput. 2015, 254, 183-203.
• Zhao, N.B.; Li, S.Y.; Yang, J.L. A review on nanofluids: Data-driven modeling of thermalphysical properties and the application in automotive radiator. Renew. Sustain. Energy Rev. 2016, 66, 596-616.
• Hussein, A.M.; Kadirgama, K.; Noor, M.M. Nanoparticles suspended in ethylene glycol thermal properties and applications: An overview. Renew. Sust. Energy Rev. 2016, 69, 1324-1330.
• Vajjha, R.S.; Das, D.K. Experimental determination of thermal conductivity of three nanofluids and development of new correlations. Int. J. Heat Mass Transf. 2009, 52, 4675-4682.

タイトルに関連する用語 (6件)： RBFニューラルネットワーク ,  エチレングリコール ,  水 ,  ナノ流体 ,  粘度 ,  予測