前馈神经网络在预测连续泄漏系数中的应用

作者：何娟霞; 黄丽文; 蒋文豪; 段青山

来源：安全与环境学报, 2023, 1-11.

DOI：10.13637/j.issn.1009-6094.2023.1373

• 安全工程
• 储罐连续泄漏
• 泄漏系数
• 深度学习
• 前馈神经网络
• 预测模型

受泄漏孔几何参数、液位、液体物理特性及流动状态等影响，储罐连续泄漏系数难以直接采用流体力学建模求解。论文通过常压立式储罐连续泄漏试验获取数据样本，利用前馈神经网络(FNN)算法构建连续泄漏系数(Cs)与输入变量间的非线性关系，建立基于前馈神经网络算法的Cs预测模型。模型性能评估结果发现，模型的平均绝对误差(EMA)、解释方差分(SEV)及决定系数(R2)分别为0.0154、0.9492及0.9482，表明模型预测性能良好；与相应连续泄漏试验值比较，预测Cs值的总平均绝对偏差范围为5.28%～7.34%、质量流率平均偏差为4.60%～6.51%，连续泄漏量的平均偏差为0.84%～2.03%，模型预测结果优于采用泄漏经验常数的计算结果，证明该模型可有效预测连续泄漏期间Cs值及变化趋势。

• 单位
  材料学院; 广西大学