本发明涉及氨氮废水降解，尤其涉及一种基于cfd与bp神经网络的脱氨反应器优化方法。
背景技术：
1、脱氨反应器的脱氨效果受到装置的结构、操作参数等多方面影响。利用脱氨反应器进行脱除氨氮实验时，装置设计不当无法实现更好的脱氨效果。脱氨反应器的设计通常基于过去的设计经验和传统定性分析方法确定其结构、操作参数。
2、传统的分析方法是分析不同操作参数和结构参数对装置脱氨效果的影响。在参数取值范围内考虑所有可能的结果，并对不同的结果进行比较，得出不同工艺参数对脱氨反应器脱氨效果的影响，从而完成脱氨反应器的设计。由于传统优化方法需要考虑所有可行性，并一一进行验证，优化效率较低。当遇到复杂结构时，则需要构建多个几何形状并在不同的配置中进行测试，产生很高的实验成本。传统的分析方法逐渐不再适用。
3、而cfd方法拥有大量数学计算模型，能够反映出设备内流体流动、传热传质过程。但如果仅使用cfd数值模拟计算方法，除了计算成本外，还会出现仿真慢，工作量大，耗时长等问题。
4、人工神经网络(ann)是一种模仿人脑信息处理工作的数学模型。基于其强大的研究能力和准确的预测效果，它已广泛应用于医学、工程、生物、农业等许多重要领域。其中，反向传播(bp)神经网络是最广泛使用的人工神经网络之一。通过建立bp神经网络模型与cfd耦合，能够快速得到脱氨反应器的各个工艺参数，由此提高装置的优化效率。
5、综上可知，脱氨反应器的现有优化设计存在以下缺陷：随着装置结构的复杂化，传统的定性分析方法不再适用。虽然cfd可以在节省实验成本的情况下提高优化效率，但其需要进行大量的装置模型设计及数值模拟计算，计算时间成本过高限制了脱氨反应器优化设计方法在工程中的应用。
6、为此，设计一种基于cfd与bp神经网络的脱氨反应器优化方法，用于对上述技术问题提供另一种技术方案。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于cfd与bp神经网络的脱氨反应器优化方法，用于解决上述背景技术中提出的技术问题。
2、为了解决上述的技术问题，本发明采用了如下技术方案：
3、一种基于cfd与bp神经网络的脱氨反应器优化方法，步骤如下：
4、根据脱氨反应器的几何参数，进行三维建模，并得到样本集；
5、通过样本集对神经网络进行训练；
6、利用神经网络预测脱氨反应器内空化体积分数和长度。
7、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，所述根据脱氨反应器的几何参数，进行三维建模，步骤如下：
8、根据脱氨反应器的几何参数，进行三维建模，步骤如下：
9、确定需要优化的装置工艺参数，包括水射流孔直径、入口流量大小和装置顶部出口压力；
10、确定脱氨反应器结构及尺寸；
11、对几何模型进行网格划分，并导入fluent流体计算软件，设置模型边界条件，设置入口为速度入口，出口为压力出口；
12、选择合理的湍流、多相流、空化机理模型，对脱氨反应器进行数值模拟仿真，根据设置的边界条件计算，得到装置内部任意位置的空化体积分数和空化长度分布数据，同时生成随机数据样本即样本集，输入为工艺参数，输出为对应的响应参数。
13、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，所述设置模型边界条件，步骤如下：
14、在边界条件选项中设置反应器入口流量大小，设置反应器顶部出口压力大小。
15、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，所述神经网络训练步骤如下：
16、a.将样本集通过预处理后，分为训练集、测试集和验证集；
17、b.将工艺参数作为输入，响应参数作为输出，建立神经网络模型，并通过训练集对神经网络模型训练；
18、c.重复步骤b至误差满足精度要求或者迭代次数达到最大迭代次数，结束训练后，通过测试集对空化体积分数及长度分布预测数据进行分析评估；
19、d、通过验证集对神经网络模型进行验证。
20、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，将样本集通过预处理后，按照7:1.5:1.5的比例分为训练集、测试集和验证集。
21、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，所述响应参数包括空化体积分数和空化长度。
22、作为本发明提供的所述的一种基于cfd与bp神经网络的脱氨反应器优化方法的一种优选实施方式，所述神经网络为三层网络结构，包括输入层、输出层和隐藏层；
23、所述输入层神经元数为工艺参数个数；
24、所述输出层神经元数为响应参数个数；
25、所述隐藏层神经元数用于优化神经网络拟合和泛化能力。
26、可以毫无疑义地看出，通过本申请的上述的技术方案，必然可以解决本申请要解决的技术问题。
27、同时，通过以上技术方案，本发明至少具备以下有益效果：
28、本发明提供的一种基于cfd与bp神经网络的脱氨反应器优化方法，基于cfd数值模拟结果结合神经网络预测脱氨反应器空化强度。cfd数值模拟有着仿真速度慢，操作步骤繁琐，工作量大的缺陷，通过构建神经网络模型来计算不同参数的装置内空化强度，处理信息量大，计算速度快，能够快速处理复杂问题，提升了计算效率；
29、利用cfd数值模拟计算得到脱氨反应器内部任意位置的空化体积分数和长度分布数据，通过数据使脱氨反应器内复杂的流场分布可视化；
30、通过数值模拟所得数据对神经网络进行训练，对装置内产生的空化效应进行模拟预测，以提高装置的脱氨效率；
31、基于cfd数值模拟结果结合神经网络预测脱氨反应器空化强度的方法，大大节省了通过数值模拟得到结果的计算时间；并根据神经网络预测所得结果，能够进一步调整优化脱氨反应器工艺参数，从而得到较优的装置运行状态，进一步提高脱氨反应器脱氨效率。
1.一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，步骤如下：
2.根据权利要求1所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，所述根据脱氨反应器的几何参数，进行三维建模，步骤如下：
3.根据权利要求2所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，所述设置模型边界条件，步骤如下：
4.根据权利要求1所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，所述神经网络训练步骤如下：
5.根据权利要求4所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，将样本集通过预处理后，按照7:1.5:1.5的比例分为训练集、测试集和验证集。
6.根据权利要求4所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，所述响应参数包括空化体积分数和空化长度。
7.根据权利要求4所述的一种基于cfd与bp神经网络的脱氨反应器优化方法，其特征在于，所述神经网络为三层网络结构，包括输入层、输出层和隐藏层；
