一种基于卷积神经网络的膜蒸馏系统性能预测方法及系统技术方案

本发明专利技术公开了一种基于卷积神经网络的膜蒸馏系统性能预测方法及系统，属于深度学习领域。所述方法包括：采集膜蒸馏系统运行性能的实验数据；对采集到的数据进行标准化后构建训练数据集样本和测试数据集样本；构建卷积神经网络模型，通过训练数据集样本训练所述卷积神经网络模型后得到最优模型并固定其模型参数；将测试数据集样本导入所述的最优模型中，进行膜蒸馏系统运行性能预测；对预测结果进行评估。本发明专利技术通过卷积神经网络对系统运行数据的多维特征进行提取和学习，进而高效、精准预测膜蒸馏系统的性能。

【技术实现步骤摘要】

本专利技术属于深度学习领域，具体地说，本专利技术涉及一种基于卷积神经网络的膜蒸馏系统性能预测方法及系统。

技术介绍

1、膜蒸馏系统是一种通过疏水性多孔膜的蒸汽传输实现液体分离的技术，广泛应用于海水淡化、废水处理和资源回收等领域。其性能通常依赖于多种运行参数，如温度、压力、流速和膜污染程度。传统上，膜蒸馏系统的性能预测依赖于物理建模或经验公式，但这些方法常常因模型简化和实际工况复杂性而导致预测结果不准确。

2、随着深度学习技术的发展，尤其是卷积神经网络(cnn)等技术，在处理非线性问题和多维复杂数据方面表现出了强大的能力。目前，虽然已有一些研究在膜蒸馏系统的建模中使用机器学习方法，但利用cnn进行系统性能的精准预测还未得到广泛应用。

3、现有的膜蒸馏系统性能预测主要基于物理建模和统计方法。这些方法存在以下缺陷：

4、1.非线性问题难以准确处理：膜蒸馏系统的运行性能受多种复杂非线性因素影响，传统的数学模型难以有效捕捉这些复杂的相互作用。

5、2.模型鲁棒性差：在处理不同工况和膜材料的情况下，传统模型的泛化能力较差本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：在所述步骤S1中，将膜蒸馏系统中的导电膜在不同参数条件下进行通电实验；在每一种参数条件下的通电实验中，反复进行通电过程并通过与计算机相连的电子天平和电导率仪实时监测，同时每隔预设时间记录实验过程中导电膜的通量和电导率，从而采集得到膜蒸馏系统运行性能的实验数据。

3.根据权利要求1所述的一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：所述步骤S2包括：

4.根据权利要求3所述的一种基于卷...

【技术特征摘要】

1.一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：所述方法包括：

2.根据权利要求1所述的一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：在所述步骤s1中，将膜蒸馏系统中的导电膜在不同参数条件下进行通电实验；在每一种参数条件下的通电实验中，反复进行通电过程并通过与计算机相连的电子天平和电导率仪实时监测，同时每隔预设时间记录实验过程中导电膜的通量和电导率，从而采集得到膜蒸馏系统运行性能的实验数据。

3.根据权利要求1所述的一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：所述步骤s2包括：

4.根据权利要求3所述的一种基于卷积神经网络的膜蒸馏系统性能预测方法，其特征在于：在所述步骤s21中，采用相关性分析的方法进行数据筛选，即：计算各个参数条件与目标变量之间的相关系数，其中，若相关系数值小于预设的相关系数阈值...

【专利技术属性】
技术研发人员：柳枫楠，曹雏清，张靖，高晗，马玉洁，李浩，李鹏辉，苏永睦，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：