原创《基于遗传算法岩土填料热物性参数评估》：该文是关于遗传算法论文范文，为你的论文写作提供相关论文资料参考。
摘 要：岩土及填料的热物性参数可直接影响地埋管换热器的性能设计.针对现场热响应测试中填料热物性参数需要预先测量,而无法通过计算直接评估的难题,在无限长线热源模型及管壁热阻修正复合介质线热源模型的基础上,应用遗传算法对岩土及填料的热物性参数同时进行评估,并结合热响应测试实验,验证了该方法的准确性.钻孔热阻、岩土导热系数和填料导热系数的评估值和实测值的相对误差分别为3.47%,1.42%和4.93%.2种模型计算所得流体平均温度和实测值的均方根误差分别为0.050 5 ℃和0.172 ℃.研究结果对地埋管换热器的设计具有重要参考价值.
关键词：填料热物性；遗传算法；复合介质线热源；热响应
中图分类号：TU831.6 文献标志码：A
文章编号：1674-2974（2017）03-0151-06DOI：10.16339/j.cnki.hdxbzkb.2017.03.019
Abstract：The parameters for thermal properties of ground and grout have directly effect on the performance of ground heat exchanger （GHE）. For the problem that grout thermal properties of in-situ thermal response test （TRT） need to be measured in advance and cannot be evaluated directly by calculation, this paper applied genetic algorithm to evaluate the parameters of ground and grout thermal properties simultaneously on the basis of infinite line source （ILS） model and composite media line source （CMLS） model with wall thermal resistance correction. The method was validated by in situ TRT. Compared with the measured values, the calculation relative error of borehole thermal resistance, ground thermal conductivity and diffusivity was 3.47%, 1.42% and 4.93%, respectively. The root mean square error （RMSE） of the calculated average temperature by these two models and the measured value is 0.0505 and 0.172 ℃, respectively. The results provide important reference for GHE design.
Key words：grout thermal properties；genetic algorithms；composite media line source；thermal response test
岩土及填料的热物性参数是地埋管换热器设计的关键参数,准确地评估岩土及填料的热物性参数可以解决地埋管换热器设计不当的问题.目前,岩土热物性参数主要采用斜率法和参数估计法进行评估计算.相比于斜率法,参数估计法可有效降低测试中热流不恒定对评估参数值的影响,其评估精度较高[1].因此,在ASHRAE手册中,推荐采用参数估计法进行岩土热物性参数的评估[2].
参数估计法评估岩土热物性参数是一个典型的逆传热问题.该方法以岩土热物性参数为决策变量,以各时刻流体平均温度的计算值和实测值的平方和误差（SSE）或均方根误差（RMSE）为目标函数,通过最小化寻优算法求解岩土热物性参数.但目前所采用的参数估计法存在以下2个方面的问题：1） 主要运用单纯形法、模式搜索法等算法寻优求解[3],其收敛速度较慢,并受迭代初值的影响,导致评估结果可能存在较大误差.2） 参数估计法评估岩土热物性参数时,常以钻孔壁温度为计算耦合点,忽略了钻孔内填料的热物性,无法采用参数估计模型直接评估填料热物性参数.
为克服参数估计法的上述缺点,本文结合地埋管无限长线源模型和管壁热阻修正的复合介质线热源模型,利用遗传算法同时评估钻孔热阻、岩土导热系数和热扩散系数以及填料导热系数和热扩散系数等5个参数,并结合热响应测试实验,验证了该方法的准确性.
1 地埋管传热模型
1.1 无线长线热源模型
Kelvin[4]提出了竖直地埋管钻孔外一维无限长线热源传热模型,该模型通过钻孔壁温度耦合钻孔内稳态导热和钻孔外非稳态导热.当传热时间大于10 h时,通过该简化模型可求得流体平均温度为[5-6]：
1.2 复合介质线热源模型
在无限长线热源模型的基础上,Li等[7]提出了一种全时间范围内的地埋管温度响应G函数模型.该模型将U型管管壁作为温度耦合点,以U型管外壁面A和B两点的平均温度代表U型管管壁的平均温度,如图1所示.
复合介质线热源模型由于考虑了填料热容和钻孔埋管几何尺度对换热性能的影响,在一定时间范围内,可较准确地计算流体平均温度.
2 基于遺传算法的热物性参数评估
遗传算法（Genetic Algorithm）是一种模仿自然界生物进化,并带有随机性的全局搜索方法.该算法由可能潜在解集的种群开始计算,通过优胜劣汰的准则产生适应度较高的解集（种群）,在每一代进化过程中,选择种群中适应度水平较高的个体进行交叉重组以及变异,并产生子种群,由此通过一定代数的进化即可得到最优解的个体[10].和传统优化算法相比,遗传算法具有较好的全局收敛性、计算速度快、不受目标函数的约束、可并行计算等诸多优点,在工程计算中得到了广泛应用.
遗传算法论文参考资料：
结论：基于遗传算法岩土填料热物性参数评估为关于本文可作为相关专业遗传算法论文写作研究的大学硕士与本科毕业论文人工智能遗传算法论文开题报告范文和职称论文参考文献资料。
