开发基于人工智能技术的新型计算模型,通过真空膜蒸预测液体和混合物的分离
1Department of Information Management, School of Big Data and Artificial Intelligence, Guangxi University of Finance and Economics, Nanning, 530003, China. wyf_1999_whu@126.com.
Scientific reports
|October 15, 2024
概括
机器学习模型准确地预测了膜分离中的温度. 支持矢量机 (SVM),优化了差异演变 (DE),证明了真空膜蒸过程的卓越准确性和可靠性.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 计算科学 计算科学
- 数据科学数据科学数据科学
背景情况:
- 膜分离过程对于液体混合物分离至关重要.
- 准确的温度预测对于优化这些过程至关重要.
- 计算流体动力学 (CFD) 和机器学习 (ML) 为流程建模提供了强大的工具.
研究的目的:
- 开发和评估用于膜分离中的温度预测的ML模型.
- 将CFD模拟与ML集成,以提高预测能力.
- 为温度预测确定最有效的ML模型和优化技术.
主要方法:
- 开发了一个混合模型,将CFD模拟和ML结合起来.
- CFD模拟估计了真空膜蒸 (VMD) 中的温度分布.
- 评估的ML模型包括SVM,ENR,ERT和BRR,通过DE进行超参数调整,并使用蒙特卡罗交叉验证进行验证.
主要成果:
- 所有评估的ML模型都显示出温度预测的有效性.
- 支持矢量机 (SVM) 模型实现了最高的精度.
- 优化的SVM显示平均R2为0.9969和最小的错误指标,表明高可靠性.
结论:
- ML方法,特别是用DE优化的SVM,对于膜分离中的温度预测非常有效.
- 超参数优化对于实现准确和一致的ML预测至关重要.
- 开发的混合模型为VMD过程中的温度预测提供了可靠的方法.
