Resumen

Se propone un modelo de predicción óptimo para la transferencia de calor por ebullición de flujo de la mezcla de refrigerante R245fa dentro de tubos lisos horizontales basado en la red neuronal GRNN. Los principales factores que afectan fuertemente a la ebullición de flujo, como la tasa de flujo de masa (), el flujo de calor (), la calidad de la mezcla vapor-líquido (), la temperatura de evaporación () y el diámetro interno del tubo (), se utilizan como entradas del modelo y el coeficiente de transferencia de calor por ebullición de flujo () como la salida. El modelo de red neuronal se utiliza para optimizar la predicción del coeficiente de transferencia de calor por ebullición de flujo de R245fa en tuberías horizontales a través del entrenamiento y el aprendizaje. Los resultados de la predicción están en buena concordancia con los resultados experimentales. Para el modelo de red neuronal de transferencia de calor, la desviación promedio es del 7.59%, la desviación promedio absoluta es del

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Modelo de predicción; Ebullición de flujo; Transferencia de calor; Red neuronal; Mezcla de refrigerante; R245fa
• Keywords:Prediction model; Flow boiling; Heat transfer; Neural network; Refrigerant mixture; R245fa