Machine learning for predicting the bubble-collapse strength as affected by physical conditions
创建于 更新于
摘要
本文基于3500组数值样本，采用随机森林与BP神经网络建立非线性回归模型，预测由密度、粘度、声速、表面张力与饱和蒸气压共同作用下的气泡最大无量纲半径 R_max，以表征气泡坍缩强度；结果表明粘度与表面张力为最重要的影响因子，声速影响最小，且RF+BPNNs混合模型在R²、MAE与MAPE上均优于单一模型，表明机器学习方法在多参数耦合下对气泡坍缩强度的预测是可行且有效的 [page::0][page::6].
