مقایسه کاربرد الگوریتم ژنتیک و شبکه های عصبی مصنوعی درتخمین میزان انتقال حرارت و افت فشاردرلوله های مارپیچ

افت فشار و انتقال حرارت درلوله های مارپیچ با پارامترهای هندسی متفاوت از قبیل نسبت انحنا و نسبت گام 9 مورد بصورت آزمایشگاهی اندازه گیری شدند دقت درپیش بینی برای هر روش محاسبه شده و همچنین ویژگیهای هرروش مورد بحث قرارگرفته است پارامترهای مربوط به دو شبکه عصبی سه لایه جهت تخمین انتقال حرارت و افت فشار با استفاده از روش پس انتشار خط بهینه شدند همچنین مقادیر بهینه ثوابت دو معادله با استفاده ازا لگوریتم ژنتیک تعیین شدند نتایج بدست آمده از مدلسازی بیانگر این استکه دراین تحقیق دقت تخمین شبکه عصبی مصنوعی بیشتر می باشد و این درحالی است که بکاربردن آن نسبت به معادله های برازش شده مشکلتر است مقدار میانگین خطای نسبی جهت تخمین عدد ناسلت و ضریب اصطکاک درلوله های مارپیچ با استفاده از شبکه های عصبی مصنوعی طراحی شده به ترتیب 2/46 و 1/26 درصد و میانگین خطای نسبی حاصل جهت پیش بینی عدد ناسلت و ضریب اصطکاک توسط معادلات ایجاد شده به کمک الگوریتم ژنتیک به ترتیب 9/17 و 3/54 درصد بدست آمد.

کلیدواژه ها:

لوله های مارپیچ ، انتقال حرارت ، افت فشار ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک