基于深度学习的全三维气固两相流时空耦合智能预测

摘要： 气固流化床在化工、冶金及制药等领域得到了广泛的研究与应用。对流化床内气固两相流的动力学行为进行深入研究有利于流化床设备的设计和性能优化。本文利用深度学习技术构建了数据驱动的全三维深度时空序列模型，对流化床内气固两相流三维空间和时间维度的复杂动力学行为进行学习，并实现了对未知来流速度条件下流化床内气相和颗粒相速度场的合理预测。测试结果表明，该全三维智能模型的预测结果与CFD计算结... （共7页）