人工神經網絡模型預測RPB中臭氧吸收的傳質系數
使用機型：3S-J5000臭氧在線檢測儀
強調
•采用人工神經網絡作為預測KLa在RPB中吸收臭氧的方法。
•進行了串行實驗以獲得用于建模的數據。
•將隨機網格研究應用于人工神經網絡中的超參數調整。
•所獲得的模型在訓練組上具有0.9896 R2的令人滿意的性能，在測試組上具有0.9877 R2的令人滿意的性能。
抽象
事實證明，Higee技術可以增強涉及多相傳質的過程，并可以應用于基于臭氧的高級氧化過程。傳質系數的建模和預測在該領域很少見。在這項工作中開發了一種基于人工神經網絡（ANN）的建模方法，以預測旋轉填充床（RPB）中臭氧吸收過程的傳質系數。進行了一系列實驗以獲得用于建立ANN模型的數據，然后將其用于預測整體傳質系數（K L a）使用無量綱的量，例如根據RPB的幾何形狀和操作條件計算的氣體和液體的雷諾數，弗洛德數和Weber數。為了優化模型結構和性能，這項工作采用了隨機網格搜索超參數。很終模型在訓練集和測試集上具有預測能力，R 2分別為0.9896和0.9877，RMSE為0.01801和0.03085，MAE分別為0.01265和0.02219。
1年免費保修服務 
售后1天內解決 
長期跟蹤質量服務 
購臭氧發生器送配件 
全國配送 
?? 
