期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
水平管内超临界R1234ze(E)冷却传热性能的神经网络预测
1
作者 周文力 卓伟伟 +2 位作者 蒋依然 马文杰 董宝君 《物理学报》 SCIE EI CAS CSCD 北大核心 2024年第12期96-107,共12页
为探究神经网络在预测:超临界传热方面的有效性,建立了水平直管内超临界R1234ze(E)冷却传热的神经网络预测模型,并与修正的Dittus-Boelter(D-B)型传热关联式进行比较分析.研究表明,输入参数对于反向传播神经网络(BPNN)预测精度的影响很... 为探究神经网络在预测:超临界传热方面的有效性,建立了水平直管内超临界R1234ze(E)冷却传热的神经网络预测模型,并与修正的Dittus-Boelter(D-B)型传热关联式进行比较分析.研究表明,输入参数对于反向传播神经网络(BPNN)预测精度的影响很大,且并非所有BPNN输入参数组合都能带来比传热关联式更好的预测结果.输入参数组合Re_(b),Pr_(b),ρ_(b)/ρ_(w),C_(p)/C_(pw),λ_(b)/λ_(w),μ_(b)//μ_(w)的预测表现最好,对于试验集的预测结果的平均绝对偏差和最大偏差仅为2.02%和9.34%,远低于传热关联式预测偏差,且对于高温段h的趋势、h最大值以及h峰值位置的预测比关联式更加准确.此外,将遗传算法优化的BP(GA-BP)模型与BP模型在两种不同的适应度值计算方式下进行比较,揭示GA-BP在提高超临界传热预测精度方面的有效性.研究表明,当网络训练与适应度值计算采用相同数据时,将引起过拟合,并不能进一步提高预测精度;当网络训练与适应度值计算采用不同数据时,可使得网络泛化性能提高,预测结果的均方根偏差和最大偏差均有进一步的降低. 展开更多
关键词 R1234ze(E) 超临界传热 传热预测 神经网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部