百倍加速高精度预测
用循环神经网络替代严格机理模拟，在覆盖多种轻烃原料和工况的训练数据上微调后，能够同时高精度输出裂解产物产率和沿程温压分布，预测速度提升两个数量级。
Shiyi, Tang · Duan, Zhaoyang · 田洲 · 杜文莉 · Feng, Qian
Chemical Engineering Journal 2025
相比运行一次Coilsim1D单次裂解反应模拟，模型预测时间缩短约两个数量级，使实时计算成为可能。
对关键产物产率、过程气压力和温度的平均MAE分别约0.04 wt%、238.80 Pa和0.44 K，达到与机理模型相当的水平。
训练数据覆盖全面的轻烃原料组成和反应条件范围，保证模型在不同裂解原料和操作条件下均能准确预测。
使用PSO算法自动优化自定义损失函数中的权重系数，提升模型预测精度。