文献

J-GLOBAL ID：202202279986640798   整理番号：22A0844926

フライアッシュナノ流体とフライアッシュ-Cuハイブリッドナノ流体の熱伝導率に関する実験的研究:ANNとMGGPモデルによる予測と最適化【JST・京大機械翻訳】

Experimental investigation on thermal conductivity of fly ash nanofluid and fly ash-Cu hybrid nanofluid: prediction and optimization via ANN and MGGP model

著者 (5件)： Kanti Praveen Kumar (Mechanical Engineering Department, Jyothy Institute of Technology, Bangalore, India) ,  Sharma K. V. (Center for Energy Studies, Department of Mechanical Engineering, JNTUH College of Engineering, Hyderabad, India) ,  Said Zafar (Sustainable and Renewable Energy Engineering Department, University of Sharjah, Sharjah, United Arab Emirates) ,  Jamei Mehdi (Faculty of Engineering, Shohadaye Hoveizeh University of Technology, Susangerd, Iran) ,  Yashawantha Kyathanahalli Marigowda (Department of Chemical Engineering, National Institute of Technology Warangal, Warangal, India)
資料名： Particulate Science and Technology  (Particulate Science and Technology)
巻： 40  号： 2  ページ： 182-195  発行年： 2022年 
JST資料番号： D0645B  ISSN： 0272-6351  CODEN： PTCHDS  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： 本研究では,安定な水ベースフライアッシュとフライアッシュ-Copper(80:20vol.%)ナノ流体の熱伝導率(TC)を,0~4.0%の容積濃度範囲で30~60°Cの温度範囲で実験的に測定した。2段階法を適用してナノ流体を調製した。その結果,両ナノ流体のTCは,温度および濃度とともに増大し,また,ハイブリッドナノ流体は,フライアッシュナノ流体および水と比較して,より大きなTCを持った。得られたデータに基づいて,これらのナノ流体のTCの計算のための新しい相関を提案した。4vol%のフライアッシュとハイブリッドナノ流体の濃度に対して60°Cで1.32と1.50の最大TC比を得た。さらに,水ベースフライアッシュのTCを効果的に予測し最適化するために,ハイブリッドナノ流体,マルチ遺伝子遺伝的プログラミング(MGGP),および人工ニューラルネットワーク(ANN)アプローチを適用した。比較分析は,フライアッシュとハイブリッドナノ流体のTCを予測するANNとMGGPモデルの優れた能力を示し,回帰係数(R)値はそれぞれ0.9969と0.9966であった。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 ,  *熱伝導率 ,  濃度 ,  研究 ,  *フライアッシュ ,  ニューラルネットワーク ,  遺伝子 ,  遺伝的プログラミング
準シソーラス用語： 温度範囲 ,  *ナノ流体 ,  回帰係数 ,  熱物性 ,  比較分析 ,  石炭フライアッシュ , 【Automatic Indexing@JST】

著者キーワード (6件)： ハイブリッドナノ流体 ,  石炭フライアッシュ ,  熱物性 ,  ANNモデル ,  MGGPモデル ,  熱伝導率

分類 (1件)： 粉体工学  (XD03010M)

タイトルに関連する用語 (8件)： フライアッシュ ,  ナノ流体 ,  Cu ,  熱伝導率 ,  実験的研究 ,  モデル ,  予測 ,  最適化