基于 SVR-GA 和 SPEA2 的 MWCNT/水纳米流体热物理性质预测与多目标优化的综合方法论及敏感性分析

《Scientific Reports》：An integrated methodology and sensitivity analysis for the prediction and multiobjective optimization of the thermophysical properties of MWCNT/water nanofluids using SVR-GA and SPEA2

　　

摘要

本研究提出了一种综合方法论，利用智能计算来精确预测和优化三维多壁碳纳米管 (MWCNT)/水纳米流体的热物理性质。两个不同的支持向量回归 (SVR) 模型，通过遗传算法 (GA) 进行超参数优化增强，成功训练用于根据体积浓度 (0–0.5%) 和温度 (30–65 °C) 范围内的实验数据准确估计动态粘度 (DV) 和热导率 (TC)。所得到的 SVR-GA 模型显示出高预测精度，测试数据的平均和最大相对百分比误差证明了这一点：动态粘度分别为 0.4546% 和 0.9690%，热导率分别为 0.5950% 和 0.9532%。此外，训练好的 SVR 模型已通过 K 折交叉验证进行验证，并展示了网络在估计未见数据方面的准确性。敏感性分析证实，温度对纳米流体性质的影响大于体积浓度。利用这些高精度模型，建立了一个多目标优化问题，以同时最小化 DV 并最大化 TC。该问题使用强度帕累托进化算法 2 (SPEA2) 求解，得出了最优权衡方案的帕累托前沿。对帕累托前沿的分析一致确定 65 °C 为最佳操作温度，为选择最大化纳米流体传热效率的条件提供了有用的见解。