机器学习辅助的扭带插入式换热器热工水力关联式建模
流体动力学
2022-02-03 v1
摘要
本文介绍了机器学习（ML）算法在带扭带插入的换热器传热关联式（如努塞尔数和摩擦因子）建模中的应用。该换热器在不同雷诺数和扭率下的实验数据被用于关联式建模。三种机器学习算法：多项式回归（PR）、随机森林（RF）和人工神经网络（ANN）被用于数据驱动的代理建模。ML 模型的超参数经过仔细优化以确保泛化能力。分析了不同 ML 算法的性能参数（如 和 ）。观察到 ANN 对传热系数的预测在不同测试数据集上优于 PR 和 RF 的预测。基于我们的分析，我们对传热关联式及类似研究的未来数据驱动建模工作提出建议。
引用
@article{arxiv.2202.00927,
title = {Machine learning assisted modeling of thermohydraulic correlations for heat exchangers with twisted tape inserts},
author = {J. P. Panda and B. Kumar and A. K. Patil and M. Kumar},
journal= {arXiv preprint arXiv:2202.00927},
year = {2022}
}