本发明涉及机器学习，特别是涉及一种海水换热器污垢热阻机器学习计算方法、产品及设备。
背景技术：
1、海水换热器是海洋工程、船舶工程以及能源行业中常用的设备之一，用于海水的冷却和热回收。海水换热器使用过程中产生的污垢会降低换热器的热传导效率，导致热阻增加。通过计算海水换热器污垢热阻，可以评估海水换热器的性能情况，帮助管理者规划维护计划。通过降低污垢热阻可以提高换热器效率，减少能源消耗和碳排放。
2、现有的海水换热器污垢热阻计算方法主要包括基于经验模型的方法、基于理论模型的方法和基于流体动力学（cfd）模拟的方法。其中基于经验模型的方法基于历史数据和经验总结出的模型，通常通过实验或实际操作获得数据，然后建立统计模型进行预测，这些模型可能基于污垢形成的机理、换热器设计参数和运行条件等因素。基于理论模型的方法基于换热器的物理原理和热传递理论建立的模型，通过数学方程描述换热器中污垢热阻的形成和影响，常见的理论模型包括热阻网络模型、传热传质模型等。基于cfd模拟的方法利用计算流体动力学软件对海水换热器内部流动和换热过程进行数值模拟，从而得到污垢热阻的分布和变化规律。
3、然而，以上现有的海水换热器污垢热阻计算方法在简化假设、数据获取、模型复杂性、参数调整和适用范围等方面存在一些缺陷，需要进一步的改进和优化。例如在简化假设方面，计算中通常使用简化假设，如假设污垢在换热器表面均匀分布，忽略了污垢在不同位置的不均匀性，导致计算结果与实际情况存在偏差。在数据获取方面，获取实验数据用于计算污垢热阻的参数具有一定的困难，特别是在实际船舶运行中，获取准确的污垢特性数据容易受到限制。在模型复杂性方面，现有模型缺乏足够的复杂性来准确描述污垢在换热器表面的形成和分布过程，无法完全捕捉到污垢对换热性能的影响。在参数调整方面，对于一些参数，如污垢的热传导系数和热导率等，其数值可能随着污垢的类型和形态而变化，调整这些参数存在一定的困难。在适用范围方面，现有技术只适用于特定类型的污垢或特定类型的换热器，难以适应各种不同环境和操作条件下的情况。
技术实现思路
1、本发明的目的是提供一种海水换热器污垢热阻机器学习计算方法、产品及设备，以提高污垢热阻计算的精度、效率和适用性。
2、为实现上述目的，本发明提供了如下方案。
3、一方面，本发明提供一种海水换热器污垢热阻机器学习计算方法，包括：
4、收集与海水换热器污垢形成过程相关的环境和运行参数数据；所述环境和运行参数包括蒸汽温度、海水输入温度、海水出口温度、海水密度、进口压力、排出压力以及海水循环流量；
5、根据环境和运行参数数据计算污垢热阻的实验值；
6、利用环境和运行参数数据与实验值组成的数据集对多种机器学习模型进行训练，得到训练好的多种污垢热阻预测模型；
7、利用多种污垢热阻预测模型计算污垢热阻的预测值；
8、使用多个评价指标对污垢热阻计算的实验值和预测值进行对比，确定多种污垢热阻预测模型中的最优污垢热阻预测模型；
9、在海水换热器使用过程中，利用最优污垢热阻预测模型计算污垢热阻。
10、可选地，所述根据环境和运行参数数据计算污垢热阻的实验值，具体包括：
11、根据海水换热器的进口压力、排出压力以及海水密度，采用公式计算总压头；其中为重力常量；
12、根据总压头，采用公式计算海水循环流量；其中为海水泵效率；为海水泵扬程；
13、根据海水循环流量，采用公式计算海水换热器总热量；其中为海水的比热容；为海水输入温度；为海水出口温度；
14、根据蒸汽温度，采用公式计算对数平均温差；
15、根据海水换热器总热量和对数平均温差，采用公式和计算随时间变化的总换热系数；其中为换热面积；
16、根据总换热系数和，采用公式计算污垢热阻的实验值。
17、可选地，所述根据环境和运行参数数据计算污垢热阻的实验值之后，还包括：
18、确定总换热系数在、、、、下的不确定度；其中为或；
19、进而确定污垢热阻实验值在和下的不确定度。
20、可选地，所述利用环境和运行参数数据与实验值组成的数据集对多种机器学习模型进行训练，得到训练好的多种污垢热阻预测模型，具体包括：
21、利用环境和运行参数数据与实验值组成的数据集分别对人工神经网络模型、自适应神经模糊推理模型、支持向量机法模型和k最近邻法模型进行训练，得到训练好的多种污垢热阻预测模型。
22、可选地，所述利用多种污垢热阻预测模型计算污垢热阻的预测值，具体包括：
23、将环境和运行参数数据分别输入多种污垢热阻预测模型，输出对应的污垢热阻的预测值。
24、可选地，所述使用多个评价指标对污垢热阻计算的实验值和预测值进行对比，确定多种污垢热阻预测模型中的最优污垢热阻预测模型，具体包括：
25、针对每种污垢热阻预测模型，计算输出的预测值与实验值之间的多个评价指标；所述多个评价指标包括平均绝对相对偏差、均方误差、均方根误差和相关系数；
26、根据污垢热阻在和下的不确定度分配每个评价指标的权重；
27、根据每个评价指标的权重进行加权求和，得到每种污垢热阻预测模型对应的综合指标值；
28、选取最大综合指标值对应的污垢热阻预测模型作为最优污垢热阻预测模型。
29、另一方面，本发明还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现所述海水换热器污垢热阻机器学习计算方法。
30、再一方面，本发明还提供一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述海水换热器污垢热阻机器学习计算方法。
31、根据本发明提供的具体实施例，本发明公开了以下技术效果：
32、本发明通过收集与海水换热器污垢形成过程相关的环境和运行参数数据，来计算污垢热阻的实验值；然后利用环境和运行参数数据与实验值组成的数据集对多种机器学习模型进行训练，利用训练好的多种污垢热阻预测模型计算污垢热阻的预测值；使用多个评价指标对污垢热阻计算的实验值和预测值进行对比，确定多种污垢热阻预测模型中的最优污垢热阻预测模型；在海水换热器使用过程中，即可利用最优污垢热阻预测模型计算污垢热阻。本发明通过对大量数据进行训练和学习，来预测海水换热器中污垢热阻的变化，能够提高污垢热阻计算的效率、精度和可靠性，并且具有较强的通用性和适用性。
1.一种海水换热器污垢热阻机器学习计算方法，其特征在于，包括：
2.根据权利要求1所述的海水换热器污垢热阻机器学习计算方法，其特征在于，所述利用环境和运行参数数据与实验值组成的数据集对多种机器学习模型进行训练，得到训练好的多种污垢热阻预测模型，具体包括：
3.根据权利要求2所述的海水换热器污垢热阻机器学习计算方法，其特征在于，所述利用多种污垢热阻预测模型计算污垢热阻的预测值，具体包括：
4.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-3中任一项所述的海水换热器污垢热阻机器学习计算方法。
5.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-3中任一项所述的海水换热器污垢热阻机器学习计算方法。
