前馈神经网络在预测连续泄漏系数中的应用

文档摘要：受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解.通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(FeedforwardNeuralNetwork,FNN)算法构建连续泄漏系数(Cs)与输入变量间的非线性关系,建立基于前馈神经网络算法的Cs预测模型.模型性能评估结果表明,模型的平均绝对误差(EMA)、解释方差分(SEV)及决定系数(R2)分别为0.0154、0.9492及0.9482,表明模型预测性能良好.与相应连续泄漏试验值比较,预测Cs的总平均绝对偏差范围为5.28％～7.34％,质量流率平均偏差为4.60％～6.51％,连续泄漏量的平均偏差为0.84％～2.03％,模型预测结果优于采用泄漏经验常数的计算结果,证明该模型可有效预测连续泄漏期间Cs值及变化趋势.

Abstract：Itischallengingtoconstructacontinuousdischargecoefficientmodelbyusinghydrodynamicswhenastoragetankdischargesfromaleakageholecontinuouslyduetothecomplexinterplayofmultiplefactors,suchasleakageholegeometricparameters,liquidlevel,liquidphysicalproperties,andflowstate.Thispaperintroducesanovelmodeltopredictatmosphericstoragetanks'continuousdischargecoefficient(Cs)whenatmosphericstoragetankscontinuouslydischarged,whichutilizestheFeedforwardNeuralNetwork(FNN)algorithmandincorporatessixinputvariablesasliquidlevelabovetheleakageorifice(h),decreasedvelocityofliquidlevel(Vh),dischargetime(t),equivalentdiameteroforifice(d0),dynamicviscosity(m)andtankdiameter(dT).Datasamplesareobtainedbyaseriesofcontinuousleakageexperimentstoconstructadataset,eightypercentofthedatasetisallocatedtoatrainingset,andtheremainingissetautomaticallyasatestingset.TheFNNalgorithmisemployedtoestablishthenonlinearrelationshipbetweenCsanditscorrespondinginputvariables.Themodel'sevaluationperformancerevealsthatthemodel'smeanabsoluteerror(EMA),explainedvariancescore(SEV)anddeterminationcoefficient(R2)are0.0154,0.9492,and0.9482,respectively,indicatingthatthepredictionperformanceofthemodelisquiteoutstanding.Whencomparingwiththecorrespondingexperimentalvaluesofcontinuousdischarge,itwasshownthatthemeanabsolutedeviationofC.rangedfrom0.06％to15.40％,meandeviationofmassflowrateandcontinuousdischargemassrangedfrom3.20％to9.87％and0.16％to4.40％forthesmall-holescenario,respectively;forthemedium-holescenario,meanabsolutedeviationofCsrangesfrom1.81％to7.10％,meandeviationofmassflowrateandcontinuousdischargemassrangefrom2.06％to6.95％and0.29％to1.37％,respectively.Therefore,theresultscalculatedbyC.outperformedthoseobtainedbyempiricalconstant,indicatingthattheproposedmodelcaneffectivelypredictvaluesandtrendsofC.duringcontinuousleakage.

作者：何娟霞   黄丽文   蒋文豪   段青山 Author：HEJuanxia   HUANGLiwen   JIANGWenhao   DUANQingshan
作者单位：广西大学资源环境与材料学院,南宁530004广西大学轻工与食品工程学院,南宁530004
刊名：安全与环境学报 ISTICPKU
Journal：JournalofSafetyandEnvironment
年，卷(期)：2024, 24(6)
分类号：X937
关键词：安全工程  储罐连续泄漏  泄漏系数  深度学习  前馈神经网络(FNN)  预测模型  
Keywords：safetyengineering  continuousdischargefromstoragetank  dischargecoefficient  deeplearning  FeedforwardNeuralNetwork(FNN)  predictionmodel  
机标分类号：TP311TQ052TE972.07
在线出版日期：2024年7月4日
基金项目：广西科技厅重点研发计划项目，广西大学博士科研启动基金项目，国家自然科学基金，广西自然科学基金项目前馈神经网络在预测连续泄漏系数中的应用[
期刊论文]  安全与环境学报--2024, 24(6)何娟霞  黄丽文  蒋文豪  段青山受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解.通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(FeedforwardNeuralNetwork,FNN)算法构建连续...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：安全工程,储罐连续泄漏,泄漏系数,深度学习,前馈神经网络(FNN),预测模型,

2024-10-4 01:34 上传 前馈神经网络在预测连续泄漏系数中的应用.pdf

文件大小:

13.24 MB

下载次数:

60

高速下载