基于物理信息神经网络的生物质气化产物分布预测方法 |
| |
引用本文: | 邓志平,任少君,翁琪航,朱保宇,司风琪.基于物理信息神经网络的生物质气化产物分布预测方法[J].动力工程学报,2024(5):719-726. |
| |
作者姓名: | 邓志平 任少君 翁琪航 朱保宇 司风琪 |
| |
作者单位: | 东南大学能源热转换及过程测控教育部重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(青年项目)(52306230); |
| |
摘 要: | 机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理信息神经网络(PINN)的生物质气化产物分布预测方法,该方法将真实实验数据与先验机理进行无缝衔接,在人工神经网络(ANN)模型中嵌入边界约束和关键参数间的单调性关系,通过自动微分技术进行辅助优化,实现模型的高效训练。结果表明:PINN模型的决定系数大于0.89,均方根误差小于4%,其总体预测精度要优于随机森林(RF)、支持向量机(SVM)和ANN 3种纯拟合机器学习模型;PINN模型能够严格服从边界约束和先验机理单调性关系,表现出更好的可解释性和泛化能力。
|
关 键 词: | 生物质气化 机器学习模型 物理信息神经网络 机理约束 |
|
|