-
题名基于CFD模拟的人工神经网络动态溯源模型
- 1
-
-
作者
史天乐
李飞
陈昇
卢春喜
王维
-
机构
中国石油大学(北京)化学工程与环境学院
-
出处
《化工进展》
2025年第8期4772-4784,共13页
-
基金
国家重点研发计划(2022YFC3004504,2022YFC3902505)
中国科学院先导专项(XDA0490102)
国家自然科学基金(22208379,U23A20374,22161142006,51876212)。
-
文摘
危险气体泄漏事故早期处理不当,可能会引发二次燃爆等次生灾害,因此开发一种快速泄漏源定位的气体溯源方法至关重要。气体溯源是气体扩散的逆问题,在科学研究和工程应用中仍具有挑战性,人工神经网络与溯源定位方案的结合为解决这一反问题提供了一种可行途径,有望实现快速准确的溯源定位。本文基于计算流体动力学模拟结果建立动态气体溯源数据集,搭建了基于传感器数据序列实时预测泄漏源位置的长短期记忆神经网络动态溯源模型,并对模型进行训练和优化。结果表明:基于人工神经网络的动态溯源模型成功实现了对泄漏源的准确预测,预测点与真实泄漏源位置的距离在20m以内,模型的准确率达97.49%。在输入一组序列浓度数据后,可以在0.04737s内预测泄漏源的初步位置,显著快于传统的溯源定位方法。
-
关键词
计算流体力学
模拟
神经网络
动态溯源定位模型
反问题
-
Keywords
CFD
simulation
neural network
dynamic source localization model
inverse problem
-
分类号
TQ021.1
[化学工程]
-
