ANN based surrogate model for key Physico-chemical effects of cavitation
创建于 更新于
摘要
本文首次提出利用人工神经网络（ANN）构建空化腔动力学中关键物理化学效应（喷射速度、羟基自由基生成及局部能量耗散率）的高效替代模型。该模型基于Pandit等人的腔动力学模拟数据训练，经过多层ANN结构优化，展现出优异的内插及外推性能，能够显著降低计算资源需求，便于集成于设备尺度或反应器尺度的CFD模型中，为高保真空化过程多尺度模拟提供重要工具 [page::0][page::1][page::3][page::5]。
