团队博士研究生肖润锋的学术论文”Machine learning based prediction of heat transfer deterioration of supercritical fluid in upward vertical tubes“被Elsevier旗下的热力学领域权威期刊《Applied Thermal Engineering》（工程二区，IF=6.4）接收，陈良教授为论文通讯作者。

超临界流体的传热恶化（HTD）对能源系统的安全运行至关重要。论文提出了HTD的新定义并采用机器学习方法预测了超临界水和二氧化碳在垂直向上管中HTD的发生。进而基于两个传统定义和本文提出的新定义，对HTD的八个传统预测方法进行了比较和分析。研究结果表明，由于实验数据的不连续性，HTD工况点的丢失是不可避免的。采用传统预测方法的精确度在55%到82%之间，论文提出的HTD定义和机器学习方法可以提高超临界流体传热恶化的识别和预测准确度可达95%以上。

该论文得到了国家自然科学基金、陕西高校青年创新团队和西安交通大学基本科研业务费学生类项目的资助。

详细内容请参见全文：https://doi.org/10.1016/j.applthermaleng.2023.120477

深低温技术与装备教育部重点实验室

“先进制冷与低温技术”创新团队