当前位置: X-MOL 学术Measurement › 论文详情
Neural network combined with nature-inspired algorithms to estimate overall heat transfer coefficient of a ribbed triple-tube heat exchanger operating with a hybrid nanofluid
Measurement ( IF 3.364 ) Pub Date : 2021-01-07 , DOI: 10.1016/j.measurement.2021.108967
Mehdi Bahiraei; Loke Kok Foong; Siavash Hosseini; Nima Mazaheri

Four nature-inspired optimizers are combined with a multilayer perceptron neural network for reaching an optimal structure aimed at predicting the overall heat transfer coefficient of a ribbed triple-tube heat exchanger in terms of the rib pitch, rib height, and nanoparticle concentration. The heat exchanger works with a hybrid nanofluid having graphene nanoplatelet/Pt nanocomposite powder. The applied algorithms incorporate Artificial Bee Colony (ABC), Ant Colony Optimization (ACO), Ant Lion Optimizer (ALO), and Biogeography-Based Optimization (BBO). The required data are provided via computational solutions. The BBO algorithm is determined as the best method to predict the output because of its higher accuracy. The highest performance of the BBO is obtained from population of 450. The overall heat transfer coefficient is estimated with root mean square errors of 0.030 and 0.025 for the training data and testing data, respectively. Furthermore, the ACO algorithm shows the lowest computational time among all the methods.



中文翻译:

神经网络与自然启发算法相结合,以估计带混合纳米流体的带肋三重管式换热器的整体传热系数

四个受自然启发的优化器与多层感知器神经网络相结合,以达到一种最佳结构,该结构旨在根据肋节距,肋高和纳米颗粒浓度预测肋三重管式换热器的整体传热系数。热交换器与具有石墨烯纳米片/ Pt纳米复合材料粉末的混合纳米流体一起工作。应用的算法包括人工蜂群(ABC),蚁群优化(ACO),蚁狮优化器(ALO)和基于生物地理的优化(BBO)。所需数据通过计算解决方案提供。由于BBO算法具有较高的准确性,因此被确定为预测输出的最佳方法。BBO的最高性能来自450人口。对于训练数据和测试数据,估计总传热系数的均方根误差分别为0.030和0.025。此外,在所有方法中,ACO算法的计算时间最短。

更新日期:2021-01-13
全部期刊列表>>
微生物研究
亚洲大洋洲地球科学
NPJ欢迎投稿
自然科研论文编辑
ERIS期刊投稿
欢迎阅读创刊号
自然职场,为您触达千万科研人才
spring&清华大学出版社
城市可持续发展前沿研究专辑
Springer 纳米技术权威期刊征稿
全球视野覆盖
施普林格·自然新
chemistry
物理学研究前沿热点精选期刊推荐
自然职位线上招聘会
欢迎报名注册2020量子在线大会
化学领域亟待解决的问题
材料学研究精选新
GIANT
ACS ES&T Engineering
ACS ES&T Water
屿渡论文,编辑服务
阿拉丁试剂right
上海中医药大学
浙江大学
清华大学
南科大
北京理工大学
清华
隐藏1h前已浏览文章
课题组网站
新版X-MOL期刊搜索和高级搜索功能介绍
ACS材料视界
清华大学-1
武汉大学
浙江大学
天合科研
x-mol收录
试剂库存
down
wechat
bug