DSpace@Çankaya

Prediction of Nusselt Number of Rectangular Fins Using Artificial Neural Network Model

Basit öğe kaydını göster

dc.contributor.author Aylı İnce, Ülkü Ece
dc.date.accessioned 2020-12-04T12:30:43Z
dc.date.available 2020-12-04T12:30:43Z
dc.date.issued 2019
dc.identifier.citation Aylı İnce, Ülkü Ece (2019). "Prediction of Nusselt Number of Rectangular Fins Using Artificial Neural Network Model", Mugla Journal of Science and Technology, Vol. 5, No. 2, pp. 3-22. tr_TR
dc.identifier.issn 2149-3596
dc.identifier.uri http://hdl.handle.net/20.500.12416/4307
dc.description.abstract In the passive heat transfer enhancement methods, there are several parameters which need to be optimized to maximize the heat transfer coefficient and Nusselt number while minimizing the pressure drop. For this purpose, empirical correlations are generated by experimental and numerical studies. In this study, a heat transfer analysis of rectangular fins with experimental data by an artificial neural network approach is performed. Artificial Neural Network method is compared with the classical regression model. Different networks with a different number of neurons in the hidden layer and several training algorithms are tested for the defined problem. The results show that the ANN model is found faster and more accurate than conventional techniques if the optimum architecture is generated and convenient training algorithm is chosen for the specific problem. For this problem, 10-5-1 network with Bayesian Regularization training algorithm is selected as the best scenario with 7.6 % mean absolute percentage error (MAPE) and 0.029 RMSE value while maximum MAPE value is reached to 56.3 % with Levenberg- Marquardt training algorithm and with 10-12-1 network. tr_TR
dc.description.abstract Pasif ısı transferi iyileştirme metodlarında ısı transferi kat sayısı ve Nusselt sayısını maximize ederken, basınç düşümünü minimize eden yaklaşımı tespit edebilmek için bir çok parametrenin optimizasyonunun yapılması gerekmektedir. Bu sebepten ötürü, deneysel ve sayısal çalışmalara bağlı olarak ampirik korelasyonlar elde edilmektedir. Bu çalışmada dikdörtgensel finlerin ısı transferi davranışı deneysel ve yapay sinir ağları metodları ile ortaya konmuştur. Yapay sinir ağları metodolojisi ile elde edilen sonuçlar korelasyon ile kıyaslanmıştır. Ayrıca, tanımlanan problem için yapay sinir ağı uygulamasında farklı eğitim algoritmalarının ve katman sayısının sonuçlar üzerindeki etkisi araştırılmıştır. Elde edilen sonuçlara göre YSA yöntemi, korelasyon yönteminden daha hızlı ve daha doğru sonuç vermektedir. Diğer yandan YSA yaklaşımının doğruluğunun arttırılması için uygun eğitim algoritmasının seçimi, uygun katman sayısının tespiti yani uygun mimarinin elde edilmesi önem arz etmektedir. Tanımlanan bu problem için, 10-5-1 ağına sahip Bayesian Regularization algoritması %7.6 ortalama yüzde hata ve 0.029 RMSE ile iyi senaryo olarak belirlenmiştir. Maximum ortalama hata %56.3 ile Levenberg- Marquardt algoritmasında 10-12-1 ağı ile elde edilmiştir. tr_TR
dc.language.iso eng tr_TR
dc.relation.isversionof 10.22531/muglajsci.529193 tr_TR
dc.rights info:eu-repo/semantics/openAccess tr_TR
dc.subject Artificial Neural Network tr_TR
dc.subject Heat Transfer tr_TR
dc.subject Nusselt Number tr_TR
dc.subject Overall Heat Transfer Coefficient tr_TR
dc.subject Yapay Sinir Ağları tr_TR
dc.subject Isı Transferi tr_TR
dc.subject Nusselt Sayısı tr_TR
dc.subject Isı Transferi Katsayısı tr_TR
dc.title Prediction of Nusselt Number of Rectangular Fins Using Artificial Neural Network Model tr_TR
dc.type article tr_TR
dc.relation.journal Mugla Journal of Science and Technology tr_TR
dc.contributor.authorID 265836 tr_TR
dc.identifier.volume 5 tr_TR
dc.identifier.issue 2 tr_TR
dc.identifier.startpage 3 tr_TR
dc.identifier.endpage 22 tr_TR
dc.contributor.department Çankaya Üniversitesi, Mühendislik Fakültesi, Makine Mühendisliği Bölümü tr_TR


Bu öğenin dosyaları:

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster