首页|基于机器学习的可燃物热解参数反演研究

基于机器学习的可燃物热解参数反演研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
数值模拟是研究可燃物热解过程的重要技术手段,但建立数值模型时需要准确的可燃物热解参数,而通过实验手段获得给定材料的全部参数较为困难.针对此问题,本文提出了一种基于机器学习的热解参数反演技术.首先建立了数值模型;然后建立了基于神经网络及遗传算法的混合参数反演模型;最后使用数值模拟数据进行了验证,结果表明提出的参数反演技术可有效兼顾反演效率和反演精度,能够为准确快速获得热解参数提供一种新的工具,具有较好的应用前景.
Parameter Retrieval for Combustible Pyrolysis Based on Machine Learning

翟春婕、王新猛、张思玉、王志荣

展开 >

南京森林警察学院信息技术学院,南京210023

南京工业大学安全科学与工程学院,南京211816

国家林草局森林防火工程技术研究中心，南京210023

参数反演 数值模型 神经网络 遗传算法

中央高校基本科研业务费专项南京森林警察学院预研项目国家自然科学基金2019年江苏高校'青蓝工程"优秀青年骨干教师培养项目江苏省教育厅高校哲学社会科学研究基金

LGZD202008LGY201801318727052018SJA0592

2021

工程热物理学报
中国工程热物理学会 中国科学院工程热物理研究所

工程热物理学报

CSTPCDCSCD北大核心
影响因子：0.4
ISSN：0253-231X
年,卷(期)：2021.42(1)
  • 2
  • 3