نمونه ترجمه تخصصی هوش مصنوعی درباره نانو سیال و نانو ذره

نانو سیال و نانو ذره

در این مطالعه یکی از روش های هوش مصنوعی بنام adaptive network based fuzzy inference system(ANFIS) مورد استفاده قرار گرفت و نتایج خروجی CFD مورد مطالعه قرار گرفت و نتایج خروجی از CFD به عنوان inputs data و output data برای ANFIS method در نظر گرفته شده اند. مختصات در جهت X ، مختصات در جهت Y ، و سرعت سیال در جهت Y به عنوان 3 input ها و و دمای سیال به عنوان output برای استفاده درپروسه های آموزش ANFIS method در نظر گرفته شده اند. برای پروسه training مربوط به ANFIS method در جهت بررسی افزایش هوش fuzzy inference system(FIS) در سه مرحله تعداد inputs از 1 به 3 افزایش و تاثیر این افزایش نورد بررسی قرار گرفت. در پروسه های training و testing این مطالعه ماکزیمم iteration برابر با 900 و P که نشان دهنده درصدی از کل data است که در پروسه training در نظر گرفته شده اند برابر با 60% در نظر گرفته شد. Grashof number(Gr) به عنوان یکی از اعداد بی بعد در fluid dynamic برابر با 71000 در نظر گرفته شد و Ø =0.15 که Ø نشاندهنده درصد nanoparticles سیال است. همچنین برای clustering ، data ها از FCM clustering استفاده شد و تنظیمات مربوط به آن در table1 آمده است. در مرحله اول مختصات در جهت X به عنوان input و دمای سیال به عنوان output در نظر گرفته شد و برای number of clusters=2 پروسه learning متشکل از پروسه های trainingو testing انجام شد. در پروسه training مقدار standard deviation(StD) برابر با 0.21957 وبرای پروسه testing این مقدار 0.22005 بوده است. افزایش مقدار number of clusters به 4،6،8،10،12،14 پروسه های learning بطور مجذا برای هر کدام از مقادیر number of clusters انجام شد. همانطور که در fig 2 مشاهده میشود مقدار StD برای پروسه های training و testing روندی کاهشی را نشان میدهد که بیان کننده افزایش کمی در هوش FIS است.