基于機器學習的氣液相變換熱反演及應用

摘要： 相比于線性的熱傳導問題，氣泡信息的快速獲取，換熱系數(shù)的預測、沸騰現(xiàn)象的非線性預測的問題研究目前仍極具挑戰(zhàn)。本文使用卷積神經(jīng)網(wǎng)絡、深度前饋神經(jīng)網(wǎng)絡、經(jīng)驗關(guān)聯(lián)式結(jié)合隨機森林的數(shù)據(jù)驅(qū)動方法，進行氣泡動力學行為的快速獲取、相變換熱系數(shù)的快速反演及沸騰特殊現(xiàn)象的預測。結(jié)果表明，數(shù)據(jù)驅(qū)動的機器學習方法能夠快速準確地預測相變換熱過程中的問題，氣泡信息獲取準確率達到96%，相變換熱系數(shù)反演及特...