توسعه مدل هوشمند به منظور پيش‌بيني خواص ترموفيزيكي نانوسيالات يوني

نانوسيالات يوني (Ionanofluid) كه تركيبي از مايعات يوني و نانوذرات پراكنده در آن مي‌باشند، به دليل دارا بودن خواص بهبود يافته ترموفيزيكي، به عنوان نسل جديد سيالات مورد استفاده در سيستم‌هاي انتقال حرارت شناخته مي‌شوند. لذا، پيش‌بيني دانسيته و ظرفيت حرارتي اين تركيبات به عنوان دو خاصيت مهم ترموفيزيكي، از اهميت بسيار بالايي برخوردار است. در اين پژوهش، با استفاده از شبكه عصبي فازي كه يكي از روش‌هاي مدل‌سازي مبتني بر هوش مصنوعي است، تاثير افزودن نانولوله‌هاي كربني بر بهبود خواص ترموفيزيكي نانو سيالات يوني مورد مطالعه قرار گرفته است. براي اين منظور، با انتخاب دما، درصد نانوذرات، جرم مولكولي و ضريب بي‌مركزي مايعات يوني به عنوان متغيرهاي ورودي، دو شبكه عصبي فازي مجزا براي پيش‌بيني دانسيته و ظرفيت حرارتي اين تركيبات توسعه داده شده است. دقت و توانايي مدل عصبي فازي در پيش‌بيني خواص ترموفيزيكي نانوسيالات از طريق مقايسه نتايج مدل و داده‌هاي آزمايشگاهي و همچنين محاسبه پارامترهاي آماري نظير ضريب تخمين و متوسط مربعات خطا بررسي شده است. نتايج حاصل نشان مي‌دهد كه توافق بسيار خوبي بين داده‌هاي تجربي و پيش‌بيني‌هاي مدل وجود دارد و شبكه توسعه يافته به خوبي قادر است خواص ترموفيزيكي نانوسيالات مورد مطالعه را پيش‌بيني نمايد.