典型文献
基于人工智能方法的近临界区CO2热物性模化与预测
文献摘要：
为更准确预测CO2在临界点附近区域的热物性,分别建立了基于BPNN,SVR和GPR算法的智能模型来预测近临界区C02的密度、粘度和导热系数,并将3种模型进行比较.结果表明:基于BPNN的密度(R2=0.946 5)和粘度(R2=0.970 2)预测模型相较于其他智能模型精度更高,而基于SVR的导热系数的模型预测精度更高(R2=0.999 7);所提出的智能模型相较于传统模型中SW密度方程(R2=0.596 6)、Laesecke的粘度方程(R2=0.844 5)和J&H的导热系数方程(R2=0.021 8)的R2提高了 14.88％～4 444.5％.
文献关键词：
二氧化碳;近临界区;热物性;智能算法
中图分类号：
作者姓名：
丁璐;赵兵涛;姚佳成;马嘉欣
作者机构：
上海理工大学能源与动力工程学院,上海200093
文献出处：
引用格式：
[1]丁璐;赵兵涛;姚佳成;马嘉欣-.基于人工智能方法的近临界区CO2热物性模化与预测)[J].热能动力工程,2022(11):139-143
A类：
Laesecke
B类：
人工智能方法,近临界区,热物性,准确预测,临界点,近区,BPNN,SVR,GPR,智能模型,C02,粘度,导热系数,模型精度,传统模型,SW,智能算法
AB值：
0.311301
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
