基于人工神经网络模型的非球形颗粒曳力系数预测

本文通过人工神经网络预测方法对非球形颗粒气固曳力系数进行了预测及分析。首先比较了BP(Backpropagation)神经网络模型和RBF(Radical Basis Function)基神经网络模型对Pettyjohn和Christiansen等人实验工况中的结果进行了预测。结果表明,采用RBF方法预测非球形颗粒气固曳力系数误差较小,计算效率较高。同时,应用RBF基神经网络模型,对不同形状因子下的气固曳力系数进行了预测和分析。研究结果表明,人工神经网络可以用于非球形颗粒气固曳力系数的预测研究,本文研究结果为复杂形状颗粒气固曳力系数的预测提供了一种有效的手段。