10.19718/j.issn.1005-2992.2019-01-0041-08
基于深度信念网络的纳米流体热导率预测方法
纳米流体因具有较好的传热性能而被认为是未来极具发展前景的强化传热工质,为了提高纳米流体热导率预测的精确性,依据深度学习理论建立了基于DBN的纳米流体热导率预测模型.对模型进行训练和微调,可自动提取纳米流体热导率自身的发展规律,逐层激活纳米流体各影响因素的强相关性.将深度信念网络模型的仿真结果与基于BP神经网络、基于SVM纳米流体热导率预测模型的仿真结果及实验数据进行对比,结果表明:DBN预测模型克服了传统神经网络容易陷入局部最优、训练时间长及函数拟合度不高等缺点,具有预测精度高,预测速度快的优点.
纳米流体热导率、深度信念网络、限制波尔兹曼机、BP神经网络
39
TK124(热力工程、热机)
吉林省科技发展计划项目20160101282JC
2019-05-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
41-48