Kurz gefasst
Fachartikel in der Zeitschrift 自然科学前沿, online erschienen am 10.09.2025. Verfasst von 王民. Die Arbeit wurde bisher 5-mal zitiert (Crossref).
Abstract (Originalsprache)
本文提出了一种基于神经网络的家用制冷剂冷凝器压力预测方法,旨在提升预测精度和计算效率。研究采用TensorFlow框架构建前馈神经网络模型,结合冷却入口温度、冷却流量、环境温度、制冷剂流量和负载等多种特征,对家用冰箱冷凝器的压力进行预测。数据预处理通过标准化技术确保输入一致性,并引入早停法和学习率衰减策略优化模型训练过程。实验结果表明,模型能够有效拟合复杂工况下的压力分布,预测精度达到工程应用的标准。研究通过六边形密度图、折线图与误差带以及损失曲线等多种可视化手段,全面评估模型性能,揭示了数据分布不均和局部偏差问题。为解决低压力区域样本不足及潜在的过拟合现象,提出了数据优化和模型改进建议。本研究不仅为制冷设备的设计和优化提供了数据支持,还验证了神经网络在工程预测领域的应用潜力,为数据驱动方法在制冷系统中的推广提供了理论和实践参考。未来可进一步探索实时预测和模型扩展性,以满足更广泛的工程需求。
Zitieren
APA
王民 (2025). 基于神经网络的家用制冷剂冷凝器压力预测研究. 自然科学前沿, 1(5). https://doi.org/10.63887/fns.2025.1.5.26
Vancouver
王民. 基于神经网络的家用制冷剂冷凝器压力预测研究. 自然科学前沿. 2025;1(5). doi:10.63887/fns.2025.1.5.26
BibTeX
@article{2025,
author = {王民},
title = {基于神经网络的家用制冷剂冷凝器压力预测研究},
journal = {自然科学前沿},
year = {2025},
volume = {1},
number = {5},
doi = {10.63887/fns.2025.1.5.26}
}
EUVIMED