PREDICTION OF NATURAL CONVECTION HEAT TRANSFER AND FLUID FLOW IN AN ANNULUS USING ARTIFICIAL NEURAL NETWORKS
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,648
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCNTME01_206
تاریخ نمایه سازی: 7 بهمن 1389
چکیده مقاله:
In the present work Artificial Neural Network (ANN) is used to predict the temperature and flow fields for natural convection in a concentric annulus having constant surfaces temperatures. Governing equations of natural convection are solved using FLUENT to generate databases for ANN in the range of Rayleigh numbers from 102 to 107. Then a multilayer perceptron network with different training algorithm is used and it is found that the Levenberg-Marquardt training algorithm is the best algorithm for this analysis because of its faster training procedure. Results obtained CFD are used for training and testing the ANN approach. A comparison is performed among the soft programming ANN and CFD results and it is observed that ANN soft programming code can be used more efficiently to determine stream function and temperature fields generated in an annulus
کلیدواژه ها:
نویسندگان
Ali Reza Tahavvor
Assistant Professor, Mechanical Eng. Department, Islamic Azad University, Shiraz Branch, Shiraz
Aslan Farjam
Sc. student of Mechanical Engineering, Mechanical Eng. Department, Islamic Azad University, Shiraz Branch
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :