(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111395184.2 (22)申请日 2021.11.23 (71)申请人 华北电力大 学 地址 102206 北京市昌平区朱辛庄北农路2 号 (72)发明人 吴浩　李柏庆　赵后剑　牛风雷　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 代理人 韩迎之 (51)Int.Cl. G06F 30/25(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/08(2020.01) (54)发明名称 一种球床 颗粒间角系数的预测方法、 系统及 存储介质 (57)摘要 本发明公开了一种球床颗粒间角系数的预 测方法、 系统及存储介质， 涉及角系数计算技术 领域。 具体步骤包括如下： 获取数据集， 数据集包 括颗粒三维坐标和颗粒间角系数， 颗粒三维坐标 作为输入数据， 颗粒间角系数作为输出数据； 将 数据集分为80％的训练集、 10％的校验集、 10％ 的测试集； 建立计算角系数的回归模型， 并根据 回归模型搭建神经网络模型； 将训练集输入至神 经网络模型中进行训练， 得到预测模型； 将球床 颗粒之间的坐标输入预测模型得到颗粒间角系 数。 本发明快速高效地计算角系数进而计算颗粒 间辐射传热， 采用MAT LAB软件构建了深度神经网 络回归模型来拟合球床坐标和角系数之间的关 系。 权利要求书2页 说明书7页 附图4页 CN 114091318 A 2022.02.25 CN 114091318 A 1.一种基于神经网络的球床颗粒间角系数的预测方法， 其特征在于， 具体步骤包括如 下： 获取数据集， 在限定条件下随机生成颗粒坐标位置并采用GPU加速的数值方法计算对 应角系数； 所述数据集包括颗粒三维坐标和颗粒间角系数， 所述颗粒三维坐标作为输入数据， 所 述颗粒间角系数作为输出 数据； 将所述数据集分为80％的训练集、 10％的校验集、 10％的测试集； 建立颗粒角系数的回归 模型， 并根据所述回归 模型搭建神经网络模型； 将所述训练集输入至所述神经网络模型中进行训练， 得到预测模型； 将球床颗粒之间的坐标输入所述预测模型 得到颗粒间角系数。 2.根据权利要求1所述的一种基于神经网络的球床颗粒间角系数的预测方法， 其特征 在于， 所述神经网络模型的表达式为： y＝f(l)(W(L)f(L‑1)(W(L‑1)f(L‑2)(…W(2)f(1)(x))))# 其中， x为输入的颗粒空间坐标位置， y为角系数， f(l)为激活函数， W(L)为权重矩阵， L为 神经网络的层数。 3.根据权利要求2所述的一种基于神经网络的球床颗粒间角系数的预测方法， 其特征 在于， 所述激活函数为 logsig函数、 tansig函数、 posl in函数、 swish函数中的一种。 4.根据权利要求1所述的一种基于神经网络的球床颗粒间角系数的预测方法， 其特征 在于， 所述搭建神经网络模型的具体步骤为： 根据颗粒数量确定神经网络模型输入层的神经元个数， 所述神经元即为输入多个颗粒 坐标向量的空间维度； 确定神经网络模型输出层的神经 元个数， 即角系数， 为1个； 根据实际数据集确定神经网络模型隐藏层的神经 元个数和 神经网络层数； 根据实际数据集进行训练确定 激活函数。 5.根据权利要求1所述的一种基于神经网络的球床颗粒间角系数的预测方法， 其特征 在于， 所述训练集用于训练模型和更新参数， 所述校验集用于更改模 型的超参数， 所述测试 集用来检验 模型的泛化 性。 6.一种基于神经网络的球床颗粒间角系数的预测系统， 其特征在于， 包括数据获取模 块、 数据分类模块、 模型建立模块、 训练模块； 其中， 所述数据获取模块， 用于获取数据集， 所述数据集包括颗粒三维坐标和颗粒间角系数， 所述颗粒三维坐标作为输入数据， 所述颗粒间角系数作为输出 数据； 所述数据分类模块， 用于将所述数据集分为80 ％的训练集、 10％的校验集、 10 ％的测试 集； 所述模型建立模块， 用于建立计算角系数的回归模型， 并根据所述回归模型搭建神经 网络模型； 所述训练模块， 用于将所述训练集输入至所述神经网络模型中进行训练， 得到预测模 型。 7.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储有计算机程序， 所述 计算机程序被处理器执行时实现如权利要求 1‑5中任意一项 所述的一种基于神经网络的球权　利　要　求　书 1/2 页 2 CN 114091318 A 2床颗粒间角系数的预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114091318 A 3