DPL_H₂Plume扩散模型

实时预测氢气羽流

该模型融合深度概率学习与变分贝叶斯推断，可实时预测加氢站氢气泄漏后的空间浓度分布及其不确定性，为应急响应提供可靠依据。

Li, Junjie · Xie, Weikang · Huihao, Li · Xiaoyuan, Qian · Shi, Jihao · Zonghao, Xie · Qing, Wang · Zhang, Xinqi · 陈国明

International Journal of Hydrogen Energy 2023

参数信息

决定系数

0.97

推理时间

3.32 s

Monte Carlo采样数

300

Dropout概率

0.1

技术优势

实时推理够快

模型推理时间仅3.32秒，可用于紧急响应中的快速预测。

能给出不确定性

模型不仅预测浓度，还量化其不确定性，为稳健决策提供支持。

边界预测更准

与现有最先进模型相比，该模型在羽流边界处提供更准确的估计。

应用场景

• 加氢站安全：实时预测泄漏扩散，降低爆炸风险。
• 应急响应决策：量化不确定性，辅助确定疏散范围。
• 数字孪生：作为数字孪生核心，模拟泄漏情景。
• 气体泄漏监测：输出浓度分布，支持快速气体监测。