您当前的位置：
首页 >
文章列表页 >
基于生成对抗神经网络的干涸后传热系数预测
核物理、交叉学科研究 | 更新时间：2026-07-14

    • 基于生成对抗神经网络的干涸后传热系数预测

    • Prediction of post-dryout heat transfer coefficient based on generative adversarial neural networks

    • 核技术   2026年49卷第6期 文章编号：060501

    • DOI：10.3724/j.0253-3219.2026.hjs.49.250259    

      中图分类号： TL333

    • 收稿：2025-06-25，

      修回：2025-12-17，

      纸质出版：2026-06-15

    移动端阅览

  • 袁双楠,王凡,宋美琪等.基于生成对抗神经网络的干涸后传热系数预测[J].核技术,2026,49(06):060501. DOI： 10.3724/j.0253-3219.2026.hjs.49.250259. CSTR： 32193.14.hjs.CN31-1342/TL.2026.49.250259.

    YUAN Shuangnan,WANG Fan,SONG Meiqi,et al.Prediction of post-dryout heat transfer coefficient based on generative adversarial neural networks[J].NUCLEAR TECHNIQUES,2026,49(06):060501. DOI： 10.3724/j.0253-3219.2026.hjs.49.250259. CSTR： 32193.14.hjs.CN31-1342/TL.2026.49.250259.

  •  
  •  

0

浏览量

1

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

熔盐热管温差发电耦合传热特性研究
BaTiO3的超快光致极化反转的动力学过程数据集
六氟化硫同位素丰度测试的气质联用仪方法研究及其质量歧视校正
基于抽样方法的核数据敏感性与不确定性分析
粒子加速器准直技术研究进展与展望

相关作者

暂无数据

相关机构

暂无数据
0