人工神经网络模型预测RPB中臭氧吸收的传质系数
使用机型：3S-J5000臭氧在线检测仪
强调
•采用人工神经网络作为预测KLa在RPB中吸收臭氧的方法。
•进行了串行实验以获得用于建模的数据。
•将随机网格研究应用于人工神经网络中的超参数调整。
•所获得的模型在训练组上具有0.9896 R2的令人满意的性能，在测试组上具有0.9877 R2的令人满意的性能。
抽象
事实证明，Higee技术可以增强涉及多相传质的过程，并可以应用于基于臭氧的高级氧化过程。传质系数的建模和预测在该领域很少见。在这项工作中开发了一种基于人工神经网络（ANN）的建模方法，以预测旋转填充床（RPB）中臭氧吸收过程的传质系数。进行了一系列实验以获得用于建立ANN模型的数据，然后将其用于预测整体传质系数（K L a）使用无量纲的量，例如根据RPB的几何形状和操作条件计算的气体和液体的雷诺数，弗洛德数和Weber数。为了优化模型结构和性能，这项工作采用了随机网格搜索超参数。很终模型在训练集和测试集上具有预测能力，R 2分别为0.9896和0.9877，RMSE为0.01801和0.03085，MAE分别为0.01265和0.02219。
