基于人工智能方法的近临界区CO2热物性模化与预测

作者：丁璐; 赵兵涛^*; 姚佳成; 马嘉欣

来源：热能动力工程, 2022, 37(11): 139-143.

DOI：10.16146/j.cnki.rndlgc.2022.11.018

• 二氧化碳
• 近临界区
• 热物性
• 智能算法

为更准确预测CO2在临界点附近区域的热物性，分别建立了基于BPNN,SVR和GPR算法的智能模型来预测近临界区CO2的密度、粘度和导热系数，并将3种模型进行比较。结果表明：基于BPNN的密度(R2=0.946 5)和粘度(R2=0.970 2)预测模型相较于其他智能模型精度更高，而基于SVR的导热系数的模型预测精度更高(R2=0.999 7);所提出的智能模型相较于传统模型中SW密度方程(R2=0.596 6)、Laesecke的粘度方程(R2=0.844 5)和J&H的导热系数方程(R2=0.021 8)的R2提高了14.88%～4 444.5%。

• 单位
  上海理工大学