基于人工神经网络模型的传热系数预测模型

作者：薛涵文; 聂峰; 赵聪; 董学强; 郭浩; 沈俊; 公茂琼

来源：工程热物理学报, 2023, 44(08): 2174-2180.

• 人工神经网络
• 传热系数
• 流动沸腾
• R1234ze(E)
• R600a

环保工质R1234ze(E)和R600a作为潜在的理想替代工质，其在工程实践中的应用离不开准确的传热数据支撑。本文在已有的R1234ze(E)和R600a实验数据的基础上，通过反向传播(BP)人工神经网络模型分别发展了传热系数预测模型，其预测效果优于文献中的经典传热模型。同时为拓展模型的预测能力，本文还基于R1234ze(E)和R600a发展了一个更为通用的BP传热预测模型，对R1234ze(E)的预测结果的ARD为4.08%,AARD为8.46%，λ10%为70.2%，对R600a的预测结果的ARD为-3.59%,AARD为6.98%，λ10%为76.4%，对于6篇文献数据的预测结果的ARD范围为-17.9%～26.8%,AARD不超过27.6%，λ30%不低于60.0%，由此可见该模型具有一定的预测精度和普适性。

• 单位
  中国科学院大学; 中国科学院理化技术研究所