Институт проблем транспорта им. Н.С. Соломенко Российской академии наук (Лаборатория проблем безопасности транспортных систем, Заведующий лабораторией)
Россия
Россия
Представлены результаты исследований по оценке влияния условий модификации углеродными наноструктурами MWCNT на электростатические свойства жидких углеводородов. Исследовано влияние различных факторов на процесс электризации модифицированных углеводородных жидкостей в условиях их гомогенизации методами регрессионного анализа и нейросетевого моделирования.
наножидкость, статическое электричество, углеводородные жидкости, регрессионный анализ, нейросетевое моделирование
1. Веревкин В.Н. Стандарты и нормы электростатической искробезопасности (ЭСИБ) // Энергобезопасность и энергосбережение. 2008. № 1 (22). С. 41-48.
2. Сорокин А.Ю., Иванов А.В. Обеспечение электростатической безопасности при транспортировке легковоспламеняющихся жидкостей и внедрение углеродных наноразмерных частиц // Проблемы обеспечения безопасности при ликвидации последствий чрезвычайных ситуаций: сб. статей по материалам V Всерос. науч.-практ. конф. с междунар. уч. 15-16 дек. 2016 г.: в 2-х ч. Воронеж: Воронежский ин-т ГПС МЧС России, 2017. Ч. 1. С. 332-335.
3. Управление электростатическими свойствами жидких углеводородов, модифицированных углеродными наноструктурами / Иванов А.В. // Пожаровзрывобезопасность / Fireand Explosion Safety. 2017. Т. 26. № 7. С. 16-27.
4. Многофакторная регрессионная модель процессов детоксикации почв в условиях чрезвычайных ситуаций на объектах нефтегазового комплекса / А.А. Таранцев [и др.] // Проблемы управления рисками в техносфере. 2016. № 4 (40). С. 34-42.
5. Линник Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений. 2-е изд. М.: Физматгиз, 1962.
6. Налимов В.В., Чернова Н.А. Статистические методы планирования экстремальных экспериментов. М.: Наука, 1965.
7. Критенко М.И., Таранцев А.А., Щебаров Ю.Г. Оценка значимости факторов при их комплексном воздействии на систему // Известия РАН. Автоматика и телемеханика. 1995. № 10.
8. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983.
9. Вентцель Е.С. Теория вероятностей. 5-е изд., стереотип. М.: Высш. шк., 1998.
10. Корольков А.П., Колесников Д.А., Хаханов Е.А. Перспективы применения нейротехнологий в целях мониторинга состояния магистральных нефтепроводов в Арктической зоне // Проблемы управления рисками в техносфере. 2016. № 3 (39). С. 6-12.
11. Predicting the viscosity of multi-walled carbon nanotubes/water nanofluid by developing an optimal artificial neural network based on experimental data / M. Afrand [et al] // International Communications in Heat and Mass Transfer. 2016. Т. 77. С. 49-53.
12. Thermal and electrical conductivities of water-based nanofluids prepared with long multiwalled carbon nanotubes / J. Glory [et al] // Journal of applied physics. 2008. Т. 103. № 9.
13. Боровиков В.П. Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных. 2-е изд. М.: Горячая линия - Телеком, 2008.