一种适用于物性突变特征的跨临界工质热物性智能预测方法

本发明公开了一种适用于物性突变特征的跨临界工质热物性智能预测方法，通过标准物性数据库获取目标工质在指定工作压力下的物性‑温度数据，采用基于残差平方和动态监测的分段线性回归变点检测算法，实现工质物性‑温度曲线拐点的识别与温度区间的自适应划分，基于贝叶斯信息准则对各分段区间进行多项式阶数优化以平衡拟合精度与复杂度，并施加分段连接点处的连续性约束，构建全局连续的分段多项式函数。本发明可实现“数据采集‑拐点识别‑阶数优化‑函数生成”全流程自动化的跨临界工质物性‑温度函数建模，有效克服人工经验分段的主观性和局限性，在保证模型精度的同时避免过拟合风险，为跨临界工况下的工程仿真与热力系统设计提供可靠支持。