文献

J-GLOBAL ID：202202265733352047   整理番号：22A0111211

ナノ流体熱伝達の予測のための多重回帰と機械学習技術の比較研究【JST・京大機械翻訳】

A Comparative Study of Multiple Regression and Machine Learning Techniques for Prediction of Nanofluid Heat Transfer

著者 (3件)： Kocak Eyup (Department of Mechanical Engineering, Cankaya University, Ankara 06810, Turkey) ,  Ayli Ece (Department of Mechanical Engineering, Cankaya University, Ankara 06810, Turkey) ,  Turkoglu Hasmet (Department of Mechanical Engineering, Cankaya University, Ankara 06810, Turkey)
資料名： Journal of Thermal Science and Engineering Applications  (Journal of Thermal Science and Engineering Applications)
巻： 14  号： 6  ページ： Null  発行年： 2022年 
JST資料番号： W2280A  ISSN： 1948-5085  CODEN： JTSEBV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文の目的は,管内の乱流ナノ流体流の強制対流熱伝達特性を予測するための多重回帰法,人工ニューラルネットワーク(ANN),および適応ニューロファジー界面システム(ANFIS)法の予測力を紹介し,議論することである。水およびAl_2O_3混合物をナノ流体として使用した。流動ソフトウェアを利用して,数値計算を0.3%~5%の範囲の体積率,20~140nmの範囲の粒径,7000~21,000の範囲のReynolds数で行った。計算で得られた結果に基づいて,多重回帰法を用いてNusselt数の相関を開発した。また,計算流体力学結果に基づいて,隠れ層およびいくつかの訓練アルゴリズム(Levenberg-Marquardt,Bayes正則化,スケール共役勾配)における異なる数のニューロンを有する異なるANNアーキテクチャを試験し,最良のANNアーキテクチャを見出した。さらに,ANFISも用いてNusselt数を予測した。ANFISでは,クラスタ数,指数因子,およびメンバーシップ関数(MF)型を最適化した。多重回帰相関,ANNおよびANFISから得られた結果を比較した。得られた結果に従って,ANFISは予測に対して0.9987のR2を有する強力なツールである。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  数値計算 ,  *熱伝達 ,  乱流 ,  ニューロン ,  共役 ,  クラスタ ,  Nusselt数 ,  強制対流 ,  ソフトウェア ,  正則化 ,  計算機アーキテクチャ ,  ファジィニューラルネットワーク
準シソーラス用語： *ナノ流体 ,  隠れ層 , 【Automatic Indexing@JST】

著者キーワード (9件)： ナノ流体 ,  ANN ,  FCM ,  ANFIS ,  経験的相関 ,  Al_2O_3 ,  強制対流 ,  熱と物質移動 ,  熱システム

分類 (1件)： 対流・放射熱伝達  (PA02030K)

タイトルに関連する用語 (6件)： ナノ流体 ,  熱伝達 ,  予測 ,  多重回帰 ,  機械学習技術 ,  研究