Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.92.91.54
    [SESS_TIME] => 1721571199
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 81bbe01b3def6eb84c0587d74fbb92f2
    [UNIQUE_KEY] => 23fe2b0f342b2bfb290e41a4cf57a253
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Теплофизика и аэромеханика

2023 год, номер 2

Новая комплексная модель теплопроводности гидрофторолефиновых хладагентов, построенная с использованием нейронных сетей с прямой связью и обучением по методу обратного распространения ошибки

Н. Галем1,2, С. Ханини1, А. Амране3, М. Хамадаче1, М. Лаиди1, М.В. Насер3
1Университет Медеа, Медеа, Алжир
ghalem.naima@yahoo.fr
2Университет Блида, Блида, Алжир
3Университет Ренна, Ренн, Франция
abdeltif.amrane@univ-rennes1.fr
Ключевые слова: хладагент, чистая система, теплопроводность, моделирование, искусственная нейронная сеть, многослойный перцептрон, предиктивная модель
Страницы: 387-401

Аннотация

В представленной работе с помощью искусственной нейронной сети исследуется теплопроводность систем хладагентов из трех различных гидрофторолефинов: R1234yf, R1234ze (E) и R1233zd(E). Всего для обучения и тестирования модели было использовано 4395 точек данных по теплопроводности жидкости и пара при различных температурах (в диапазоне от 241,92 до 344,46 K) и давлениях (в диапазоне от 0,068 до 21,73 МПа). Во входном слое использовалось пять нейронов, в скрытом слое - пятнадцать, в выходном слое - один. На скрытом и выходном слоях сети применялись соответственно алгоритм байесовской регуляризации обратного распространения ошибки, а также логарифмическая сигмоидная передаточная функция и линейная передаточная функция. В качестве входных переменных рассматривались температура, давление, реализованная мощность нагрева, фактор ацентричности и дипольный момент. Оптимальные величины параметров были получены методом поиска весов. Средние абсолютные относительные отклонения и коэффициент корреляции составили соответственно 1,48 и 0,9998. Таким образом, исследование показало, что модель искусственной нейронной сети представляет собой отличную альтернативу другим имеющимся моделям для точной оценки теплопроводности различных систем хладагентов.

EDN: JTUDYU
Добавить в корзину
Товар добавлен в корзину