![](/images/graphics-bg.png)
Prediction of heat transfer coefficient of pool boiling using back propagation neural network
Other Title(s)
التنبؤ بمعامل انتقال الحرارة في الغليان الحوضي باستخدام شبكة الانتشار العكسي (ANN)
Joint Authors
Abd al-Jabbar, Salih
Sultan, Abbas Jawad
Maabad, Haydar Ala
Source
Engineering and Technology Journal
Issue
Vol. 30, Issue 8 (31 Jan. 2012), pp.1293-1305, 13 p.
Publisher
Publication Date
2012-01-31
Country of Publication
Iraq
No. of Pages
13
Main Subjects
Physics
Information Technology and Computer Science
Topics
Abstract AR
لاقت الشبكات العصبية الاصطناعية مقارنة بالمعادلات العملية مؤخرا مزيدا من الاهتمام.
ويشمل هذا البحث النمذجة التنبؤية لمعامل انتقال الحرارة لمخاليط ثنائية التركيب للمركبات الهيدروكربونية في الغليان الحوضي، باستخدام تقنية التوالد العكسي في الإدراك الحسي المتعدد الطبقات، احد أنواع الشبكات العصبية الاصطناعية.
لتدريب النظام في هذا الظرف، و باستخدام التنبؤ باستخدام الشبكة العصبية، لتكوين شبكة قادرة على الفهم و التعلم و التعلم بالمتغير الخارج.
إن مبدأ تشغيل هذه الشبكات العصبية يستند على بيانات جمعت من تجربة بعض الباحثين (4-1).
تم تكوين نموذج جديد يقترح استخدام مدخلات خمس (فرق درجات الحرارة، و الكسر المولي و كمية الحرارة و اللزوجة و الكثافة) لتوقع معامل انتقال الحرارة.
و قد تبين ان التنبؤ باستخدام الشبكات العصبية الاصطناعية يعطي نسبة خطأ (AARE) تساوي 0.0026 اما بالنسبة الى المعادلات العملية الأكثر شيوعا و هي Fujita Callus و Thome, فكانت 0.086, 0.066 و 0.038 تباعا.
Abstract EN
Artificial neural network (ANN), in comparison with empirical correlations, has recently received more attention.
The present paper includes predictive modeling of heat transfer coefficient for binary mixtures in pool boiling for hydrocarbon compounds, using Back propagation techniques through Multilayer Perceptron, one of the types of the artificial neural networks.
To train and learn the system, predictive neural network was found, which is capable of understanding and predicting the preset output which is heat transfer coefficient.
The principle operation of such neural networks is based on the experimental data collected from some researchers [1-4].
A new ANN model is proposed using five inputs (mole fraction, temperature difference, heat flux, density and viscosity) to predict the heat transfer coefficient.
The prediction using ANN shows 0.0026 AARE (Absolute Average Relative Error) with most widely known correlations namely those of Calus, Fujita and Thome which have given 0.086, 0.066 and 0.038 respectively.
American Psychological Association (APA)
Abd al-Jabbar, Salih& Sultan, Abbas Jawad& Maabad, Haydar Ala. 2012. Prediction of heat transfer coefficient of pool boiling using back propagation neural network. Engineering and Technology Journal،Vol. 30, no. 8, pp.1293-1305.
https://search.emarefa.net/detail/BIM-300913
Modern Language Association (MLA)
Abd al-Jabbar, Salih…[et al.]. Prediction of heat transfer coefficient of pool boiling using back propagation neural network. Engineering and Technology Journal Vol. 30, no. 8 (2012), pp.1293-1305.
https://search.emarefa.net/detail/BIM-300913
American Medical Association (AMA)
Abd al-Jabbar, Salih& Sultan, Abbas Jawad& Maabad, Haydar Ala. Prediction of heat transfer coefficient of pool boiling using back propagation neural network. Engineering and Technology Journal. 2012. Vol. 30, no. 8, pp.1293-1305.
https://search.emarefa.net/detail/BIM-300913
Data Type
Journal Articles
Language
English
Notes
Includes appendices : p. 1300-1305
Record ID
BIM-300913