ANFIS模型参数敏感性研究：结合鼓泡塔反应器水动力学输入输出参数预测压力梯度

智能算法近来被用于化工优化过程以及多相流（如鼓泡流）应用中。这种建模概览可很好地替代复杂的数值方法或极为耗时且具干扰性的测量实验过程。在本研究中，我们发展了基于自适应网络的模糊推理系统（ANFIS）方法，将输入与输出共同映射，并从鼓泡塔反应器的其他输出参数理解流体流动行为。神经单元可在其记忆中充分学习该过程，训练阶段后，模糊结构预测多相流数据。在ANFIS方法的学习过程中，考虑了x坐标、y坐标、z坐标和表观气速四个输入以及压力梯度一个输出。在学习过程中，检验了不同数量的隶属函数、隶属函数类型以及输入数量，以获得高精度的智能算法。结果表明，随着输入数量增加，ANFIS方法的精度升至几乎所有情形R^2>0.99，而规则数量的增加对人工算法的智能性影响有限。该发现表明，神经对象密度或更高输入参数使模型更好理解。我们还提出了鼓泡塔反应器数据的新评估方法：映射输入输出并打乱所有参数以理解多相流作为输入或输出函数的行为。这种映射输入输出数据的新过程提供了一个框架，可在模糊结构计算的短时间内充分理解流体域中的流动。