基于物理信息神经网络的生物质气化产物分布预测方法

摘要： 机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而，机器学习模型主要依赖于实验数据，并不考虑气化中的反应机理，在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此，提出一种基于物理信息神经网络(PINN)的生物质气化产物分布预测方法，该方法将真实实验数据与先验机理进行无缝衔接，在人工神经网络(ANN)模型中嵌入边界约束和关键参数间的单调性... （共8页）