用人工神经网络法研究大直径浆体输送管道的淤积临界流速

在前人试验研究工作的基础上，利用人工神经网络法对大直径浆体输送管道的淤积临界流速进行了拟合和预测。结果表明，预测淤积临界流速与实测淤积临界流速基本一致，利用人工神经网络法研究浆体管道输送问题是可行的；同其他淤积临界速度的公式相比，所建立的网络模型精度高。

基于GA-ELM浆体管道输送临界流速预测模型研究

针对浆体管道输送临界流速预测难度大、精确度低等技术难题,提出了基于极限学习机(ELM)的临界流速预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,利用遗传算法(GA)对ELM模型参数进行优化,应用优化得到的ELM模型对预测集进行预测。以某矿山为例,模型参数优化结果如下:隐含层节点数L为400,输入权值ai、偏置向量bi最优组合下预测结果适应度为0.0201。采用优化的ELM模型对预测集进行预测,预测结果的最大相对误差x=3.96%,平均相对误差y=1.58%,对比BP神经网络(x=12.95%)和SVM模型(x=3.19%),表明ELM模型更加精确、高效。

潜热输送介质颗粒沉降速度的固-液两相流模拟

颗粒的沉降速度是水力输送中的重要问题。中央空调系统或区域供冷系统中,使用TBAB包络化合物浆作为载冷介质进行潜热输送时同样面临输送安全问题。本文通过建立固液两相流模型,对管内截面速度分布和颗粒浓度分布进行模拟,根据颗粒分层情况判断其临界沉降速度,得到颗粒临界沉降速度随固相含量的变化规律,从而为安全输送提供依据。