基于神经网络的热动力学建模与绝热诱导期预测北大核心CSCD

准确的热动力学模型是研究物质热分解机理与放热过程的前提。提出了一种基于组合神经网络的热动力学建模方法,构建了2个神经网络模型,分别用于较低转化率及其他转化率下建模,以转化率、温度作为神经网络的输入,放热速率的对数作为神经网络的输出。在此基础上,采用迭代计算法获取绝热诱导期(TMR_(ad));将该模型用于20%二叔丁基过氧化物的甲苯溶液和具有复杂放热过程的芳香重氮液的热分解过程。结果表明:所建立的组合神经网络模型拟合效果较好,与机理模型获得的TMR_(ad)结果较为接近;20%二叔丁基过氧化物甲苯溶液的T_(D24)(TMR_(ad)为24 h的温度)分别为85.4℃和87.6℃,芳香重氮液的T分别为50.4℃和49.4℃。