Bir Nanoakışkanın Farklı pH Değerlerindeki Isı Transfer Katsayılarının Belirlenmesi ve Karar Ağacı Algoritması ile Modellenmesi

Authors : Mehmet DAS, Ahmet Beyzade DEMİRPOLAT

Pages : 1056-1067

Doi:10.18185/erzifbed.552293

View : 16 | Download : 6

Publication Date : 2019-08-31

Article Type : Research Paper

Abstract :Boru içi akışlarda ısı transferini artırarak enerjiyi daha faydalı bir şekilde kullanabilmek önemlidir. Çünkü teknolojik gelişmelerle birlikte sanayi sektöründe artan bir enerji talebi mevcuttur. Bu nedenle araştırmacılar son yıllarda yeni nesil ısı transfer akışkanları üzerinde çalışmaktadırlar. Çalışmamızda, CuO (bakır oksit) nanopartikül üretimi yapıldı. Üretilen malzemenin nano malzeme özelliğine sahip olduğunu gösteren taramalı elektron mikroskopu (TEM) görüntü analizi ve X ışını kırınım yöntemi analizi  (XRD) analizleri yapılmıştır. CuO  nanopartiküllerle beraber saf su, etanol ve etilen glikol malzemeleri kullanılarak bir nanoakışkan elde edilmiştir. Elde edilen nanoakışkanın farklı pH değerlerinde ısı transfer katsayıları belirlenmiştir. Ayrıca farklı pH değerlerinde ısı transfer katsayıları ile Reynolds sayısı arasındaki ilişkiyi incelenmiştir. Yapılan deneysel çalışmalarda Re değeri 887 ve 2290 iken ısı transfer katsayısı değeri sırasıyla 349,821 (W/m²°C) ve 374,253 (W/m²°C) olarak hesaplanmıştır. pH değeri 7.84 ve 9.95 iken ısı transfer katsayısı değeri sırasıyla 349,821 (W/m²°C) ve 374,253 (W/m²°C) olarak hesaplanmıştır. Deney çalışmaları ile hesaplanan ısı transfer katsayıları için karar ağacı (KA) algoritmaları kullanılarak tahminsel modeller elde edilmiştir. Elde edilen modellerin geçerliliğini belirlemek için, ortalama karesel hata (MSE), kök ortalama karesel hata (RMSE), ortalama mutlak yüzde hata (MAPE) analizleri yapılmıştır. Sonuç olarak pH değerleri arttıkça da nanoakışkanın ısı transfer katsayısı değerinin azaldığı gözlemlenmiştir. Farklı Reynolds değerlerinde elde edilen nanoakışkanın ısı transfer katsayısı, Saf suya ait ısı transfer katsayından yaklaşım %13.3 oranında daha yüksek olduğu belirtilmiştir.  Hesaplamalı zeka yöntemi olan KA algoritmasının nanoakışkanların termofiziksel özelliğini tahminlemesinde 0.891 MAPE değerine göre başarılı olduğu gösterilmiştir.
Keywords : Nanoakışkan, Nanomalzeme, Isı transfer katsayısı, Karar ağacı