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.
