论文部分内容阅读
分别采用3层反向传播神经网络（BPN）和遗传神经网络（GNN）预测从常规通道到微通道尺度范围内的管内流动沸腾传热系数，GNN 的精度优于 BPN 的精度（均方根误差分别为17.16％和20.50％）。输入参数为含气率、质量流密度、热流密度、管径和物性，输出参数为传热系数。基于GNN预测结果，进行了参数趋势分析。对常规通道，传热系数随压力的增大而增大；对微通道，低压时传热系数受压力影响很小，高压、低含气率时，传热系数随压力的增大而增大，高压、高含气率时，传热系数随压力的增大而减小。传热系数随质量流密度、热流