通过深度学习方法加速闪蒸计算
计算工程、金融与科学
2019-06-26 v2 化学物理
计算物理
摘要
在过去二十年中，研究者在加速闪蒸计算方面取得了显著进展，这在多种工程过程中非常有用。本文回顾了通用相分裂问题表述及使用逐次代换法(Successive Substitution Method)的闪蒸计算流程，同时指出了主要不足。随后给出了牛顿法(Newton's method)和稀疏网格法(Sparse Grids Method)两种加速方法，以与本文提出的深度学习模型进行比较。这里提供了从人工神经网络到深度学习方法的详细介绍，并附有作者自己的评述。研究了深度学习模型中的因素以展示其对最终结果的影响。基于该研究选定的模型已用于闪蒸计算预测器，并与上述其他方法进行比较。结果表明，优化后的深度学习模型的结果与实验数据吻合良好，且 CPU 时间最短。进行了更多与实验数据的比较以展示我们模型的鲁棒性。
引用
@article{arxiv.1809.07311,
title = {Accelerating Flash Calculation through Deep Learning Methods},
author = {Yu Li and Tao Zhang and Shuyu Sun and Xin Gao},
journal= {arXiv preprint arXiv:1809.07311},
year = {2019}
}