Modélisation prédictive des propriétés thermophysiques des nanaofluides par méthode d’intelligence artificiel

Abstract

Cette étude présente la mise en oeuvre d’un perceptron multicouche dans l’environnement MATLAB, utilisant l’algorithme de rétropropagation de Levenberg–Marquardt, afin de modéliser le comportement thermophysiques de nanofluides, car grâce à leur conductivité thermique améliorée, trouvent des applications dans de nombreux domaines technologiques et industriels. Le réseau de neurones artificiels développé permet de prédire avec une grande précision les variations de conductivité thermique et de viscosité de l’oxyde d’aluminium (Al₂O₃), l’oxyde de silicium (SiO₂) et de l’oxyde de cuivre (CuO), en fonction de paramètres tels que la température, la fraction volumique, la conductivité du fluide de base et la taille des nanoparticules. L’architecture retenue comprend deux couches cachées et un nombre de neurones variant entre 1 et 60, assurant ainsi un équilibre optimal entre précision et simplicité. L’excellent valeur de MAARD qui égale à zéro obtenu illustre la remarquable capacité prédictive du modèle, attestant de sa justesse malgré une structure relativement modeste.