基于机器学习算法的颗粒传质特性预测方法及系统

本发明公开了一种基于机器学习算法的颗粒传质特性预测方法及系统，涉及多相流系统内颗粒运动技术领域。该方法包括构建双向耦合数值模型，利用双向耦合数值模型对搅拌槽搅拌颗粒过程进行模拟，并对颗粒传质特性和运动特性进行分析；构建机器学习模型集，确定神经网络模型，对神经网络模型进行训练，利用训练后的神经网络对搅拌槽内颗粒行为进行预测，得到搅拌槽传质系数的预测值；对颗粒与流体间相互作用力分析结果与搅拌槽传质系数的预测值进行结合分析，得到搅拌槽内相间传质规律。本发明解决了搅拌槽本身的强非线性难以分析、固‑液悬浮过程的混合效率低、基于动力学模型调控的实时性差、工业化不能完全适配等问题。