توسعه مدل هوشمند به منظور پیش‌بینی خواص ترموفیزیکی نانوسیالات یونی

نانوسیالات یونی (ionanofluid) که ترکیبی از مایعات یونی و نانوذرات پراکنده در آن می‌باشند، به دلیل دارا بودن خواص بهبود یافته ترموفیزیکی، به عنوان نسل جدید سیالات مورد استفاده در سیستم‌های انتقال حرارت شناخته می‌شوند. لذا، پیش‌بینی دانسیته و ظرفیت حرارتی این ترکیبات به عنوان دو خاصیت مهم ترموفیزیکی، از اهمیت بسیار بالایی برخوردار است. در این پژوهش، با استفاده از شبکه عصبی فازی که یکی از روش‌های مدل‌سازی مبتنی بر هوش مصنوعی است، تاثیر افزودن نانولوله‌های کربنی بر بهبود خواص ترموفیزیکی نانو سیالات یونی مورد مطالعه قرار گرفته است. برای این منظور، با انتخاب دما، درصد نانوذرات، جرم مولکولی و ضریب بی‌مرکزی مایعات یونی به عنوان متغیرهای ورودی، دو شبکه عصبی فازی مجزا برای پیش‌بینی دانسیته و ظرفیت حرارتی این ترکیبات توسعه داده شده است. دقت و توانایی مدل عصبی فازی در پیش‌بینی خواص ترموفیزیکی نانوسیالات از طریق مقایسه نتایج مدل و داده‌های آزمایشگاهی و همچنین محاسبه پارامترهای آماری نظیر ضریب تخمین و متوسط مربعات خطا بررسی شده است. نتایج حاصل نشان می‌دهد که توافق بسیار خوبی بین داده‌های تجربی و پیش‌بینی‌های مدل وجود دارد و شبکه توسعه یافته به خوبی قادر است خواص ترموفیزیکی نانوسیالات مورد مطالعه را پیش‌بینی نماید.