科研之友
微信
新浪微博
Facebook
分享链接
摘要
高剪切混合器作为一种新型的过程强化设备，工业应用日益广泛，但其工程设计依然依靠经验放大。利用不同定转子构型的叶片-网孔管线式高剪切混合器的功耗、液-液传质系数和乳化性能等数据，采用反向传播神经网络算法、循环神经网络算法和决策树算法等机器学习算法对数据进行分析建模，为高剪切混合器的设计与优化提供工具。结果表明：反向传播神经网络算法和循环神经网络算法都可以准确预测高剪切混合器性能，但是单个神经网络算法存在过拟合和泛化能力差的问题，通过将不同机器学习模型融合进一步提高了模型精度和稳定性。基于自动机器学习的PyCaret程序能够准确拟合数据，但在数据量较小的情况下，其优化能力较差。
- 单位
