一种基于机器学习的通道流动传热预测方法、设备和介质

本发明公开了一种基于机器学习的通道流动传热预测方法、设备和介质，涉及参数预测技术领域，基于已有流动传热关系式生成补充数据，有效覆盖实验数据稀少的工况，确定影响流动阻力和传热系数的关键无量纲参数，使模型能够聚焦于对流动传热关系影响最为关键的因素，提高模型对流动传热现象本质的把握能力，进而能够更准确地预测流动传热系数和摩擦阻力系数，通过构建神经网络模型有效捕捉输入参数与流动传热系数或摩擦阻力系数之间的复杂非线性关系，采用稀疏回归方法拟合实验数据、关系式预测数据和神经网络模型生成的大量预测数据为显式数学表达式，能够解决现有关系式预测范围较窄、通用性差的问题，有效提高对通道流动传热关系的预测精度。