机构名称：
¥ 1.0
众所周知，纳米流体在其热和转移特性方面与传统传热液显着不同。CO 2传输特性的两个，其导热率和粘度对于改善油的检索方法和工业制冷至关重要。通过将分子模型与各种机器学习算法相结合，本研究预测了氧化铁CO 2纳米流体的传导特征。可以通过应用机器学习方法，例如决策树，k-neareast邻居和线性回归来评估这些传输参数估计值的准确性。预测这些转移质量需要知道纳米颗粒体积的大小，比例和温度的比例。为了确定特征，分子动力学模拟是使用大尺度原子进行的。建立了一个间和vari内部功能的皮尔逊相关性，以确认输入变量依赖于M和导热率。最终使用确定的统计系数确认了结果。对于各种温度范围，体积分数和纳米颗粒尺寸，该研究发现，决策树模型是预测纳米流体传输参数的最佳方法。它的成功率为99％。关键词：导热率，粘度，机器学习，纳米流体，
纳米流体导热率和粘度的预测
主要关键词
相关文件推荐
