ANN-LMA 热通量预测模型

误差低至 10⁻⁸

首次将 Keller–Box 法与 Levenberg–Marquardt 优化的循环神经网络结合，用于磁化黏弹性流体绕球流动的热通量预测。

张克正 · Masood, Khalid · Zeeshan, · Shah, Nehad Ali

International Communications in Heat and Mass Transfer 2026

参数信息

预测误差

10⁻⁴–10⁻⁸

Prandtl 数范围

1–3

黏弹性参数范围

1–4

混合对流参数范围

1–4

磁参数范围

0.2–1

技术优势

误差低至 10⁻⁸

经均方误差、回归分析和误差直方图验证，模型预测误差在 10⁻⁴ 到 10⁻⁸ 之间，满足工程精度要求。

无需重新训练

用户可直接使用训练好的模型，输入工况参数即可得到热通量预测，避免为每个新工况重新跑数值模拟。

应用场景

• 热通量传感器：用模型替代传感器标定中的数值模拟，快速预测热通量。
• 流体力学仿真：作为仿真软件的代理模型，减少计算时间。
• 热管理：实时预测热通量以优化冷却策略。
• 数据驱动建模：提供 ANN-LMA 混合建模的案例。