فهرست نشریات علمی دسترسی آزاد ایران

بهره‌گیری از هوش مصنوعی برای پیش‌بینی مشخصات انتقال حرارت در صنایع مختلف، توانایی بهبود طراحی تجهیزات حرارتی، افزایش کارایی انتقال حرارت، بهینه‌سازی سیستم‌های خنک‌کننده، و کاهش مصرف انرژی را فراهم می‌کند. نوآوری و هدف مقاله حاضر، پیش‌بینی رفتار زمانی عدد نوسلت در مسئله ارتعاشات ناشی از جریان آشفته بر روی استوانه گرم شده که آزادانه در جهات طولی و عرضی نوسان می‌کند، می‌باشد. پیش‌بینی عدد نوسلت بر مبنای جابجای‌های عرضی و طولی استوانه در سه سناریوی مختلف شامل ورودی جابجایی در جهت ، ورودی جابجایی در جهت ، و در نهایت ورودی ترکیبی  و  انجام شده است. پیش‌بینی توسط شبکه حافظه طولانی کوتاه مدت عمیق که معماری و ابرپارامترهای آن توسط الگوریتم ازدحام ذرات بهینه شده است، صورت گرفته است. نتایج نشان دهنده‌ی موفقیت شبکه‌های بهینه شده با ورودی‌های متفاوت می‌باشد؛ اگرچه دقت بالاتری در پیش‌بینی با ورودی‌های ترکیبی  و  بدست آمده است. ضریب همبستگی در بخش تست، برای شبکه‌های با ورودی ؛ با ورودی ؛ و با ورودی‌های  و  به ترتیب برابر با 0/967، 0/961، و 0/975 محاسبه شده‌اند. با بهره گیری از روش بکارگرفته شده در مطالعه حاضر، می‌توان مشخصات انتقال حرارت سازه‌های قرار گرفته در معرض جریان را پیش‌بینی نمود.