مدل سازي گرانروي مخلوط هاي روان كننده و خنك كننده به كمك شبكه عصبي مصنوعي

Modeling Viscosity of Refrigerant and Lubricant Mixtures Using Artificial Neural Network (ANN)

در اين پژوهش از شبكه عصبي مصنوعي (ANNs) براي پيش بيني گرانروي مخلوط روان كننده و خنك كننده استفاده شده است. دما، فشار، وزن مولكولي، كسر مولي خنك كننده و گرانروي خنك كننده به عنوان متغيرهاي ورودي و گرانروي مخلوط روان كننده و خنك كننده به عنوان خروجي مورد استفاده قرارگرفت. تعداد كل داده هاي تجربي مورد استفاده در اين مطالعه 1053 عدد بود كه شبكه عصبي مصنوعي به طورتصادفي با 70% (737 نقطه داده)، 15% (158 نقطه داده) و15% (158 نقطه داده) به ترتيب مورد آموزش ، ارزيابي و آزمون قرارگرفت. مقدارهاي ميانگين خطاي مطلق براي مجموعه داده هاي آموزش، ارزيابي و آزمون به ترتيب 0/39، 0/48 و 0/49 است. بنابراين مدل شبكه عصبي مصنوعي مطالعه شده با 15 نرون در لايه مياني هم خواني خوبي با داده هاي تجربي دارد.

In this research, artificial neural networks(ANNs) have been used to predict the viscosity of lubricant/refrigerant mixtures. Temperature, pressure, molecular weight, the mole fraction of refrigerant, and viscosity of refrigerant are used as input variables and viscosity of refrigerant + lubricant mixtures is used as a target. The total number of experimental data point of viscosity that used in this study is 1053 that is trained, validated, and tested with random70%(837 data points), 15% (158 data points), and 15% (158 data points), respectively. The results of the AAD% for the train, validation and test sets of data are 0.39, 0.48, and 0.49, respectively. Therefore, studied ANN models with 15 neurons in a hidden layer are in good agreement with experimental data.