بررسی و تصحیح روش های موجود پیش بینی هدایت حرارتی مواد و مقایسه آن با روش های هوشمند

در این تحقیق بررسی مقایسه ای بین روش شبکه های عصبی مصنوعی و روش ماشین بردار پشتیبان با روش های کلاسیک برای تخمین هدایت حرارتی مایعات که شامل گروه های آلکان، الکل، استر و مبردها می باشد، انجام شده است. به منظور بررسی منصفانه بین روشهای شبکه عصبی و ماشین بردار پشتیبان با روش های کلاسیک، دما، دمای بحرانی، دمای نقطه جوش و جرم مولکولی به عنوان ورودی دو روش ذکرشده به کار رفته اند. با توجه به اینکه در این تحقیق در روش ماشین بردار پشتیبان از الگوریتم ژنتیک برای بهینه سازی متغیرها استفده نشده است نتایج نشان داده است که روش شبکه عصبی بالاترین دقت را در بین روش های استفاده شده در این پژوهش داراست.