动态微CT技术研究非均质砂岩中水驱过程中孔隙尺度油水分布及残余油的变化 陈胜宏、 吕彦新、 方晓宇、 孙明、 辛毅、 李海波、 刘伟基

《Processes》：Dynamic Micro-CT Investigation of Pore-Scale Oil–Water Distribution and Residual Oil Evolution During Waterflooding in Heterogeneous Sandstone Shenghong Chen, Yanxin Lv, Xiaoyu Fang, Ming Sun, Yi Xin, Haibo Li and Weiji Liu

　　

摘要

质子交换膜燃料电池（PEMFC）被认为是氢动力汽车中清洁能源转换的一种有前景的解决方案。准确的电压预测对于设计高效的能量管理和控制策略至关重要。尽管深度神经网络在模拟PEMFC方面显示出良好的潜力，但优化算法和训练性能标准在实现准确电压预测中的作用仍不明确。本研究旨在使用三种流行的优化算法和不同的性能标准（包括预测准确性、收敛速度和训练稳定性）进行全面的比较研究。使用Nexa PEMFC系统的真实实验数据集来训练和评估不同类型的人工神经网络（ANN），以确定哪种优化算法和性能标准最适合在不同运行条件下对PEMFC进行高效建模。通过对应用于统一ANN训练框架中的不同元启发式优化算法进行比较评估，分析了本研究的结果。粒子群优化（PSO）提供了最高的电压预测准确性和稳健的收敛行为，而灰狼优化（GWO）则实现了最快的收敛速度，并减少了计算时间。