基于机器学习模型的制冷剂燃爆特性预测 |
| |
作者姓名: | 费腾 杨昭 陈裕博 张勇 李杰 |
| |
基金项目: | 国家自然科学基金资助项目(No.51936007); |
| |
摘 要: | 本文以常见可燃工质为对象,基于Gaussian 16W的M06-2X/6–311+G(d, p)优化计算,得出工质分子结构在微观模型下的分子描述符数据。同时采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(ANN)三种不同的机器学习方法,将微观数据与宏观实验数据关联起来,从而预测这些工质的最小点火能,总体R2分别达到了0.853、0.782和0.906,表明预测有着良好的准确度和鲁棒性,该预测结果可以为新工质的实用性和安全性提供理论依据。
|
关 键 词: | 燃爆特性 机器学习 最小点火能 可燃工质 |
|
|