Comparison of the neural networks with spline interpolation in modelling superheated water

물의 과열증기 모델링에 대한 신경회로망과 스플라인법 비교

In numerical analysis for phase change material, numerical values of thermodynamic properties such as temperature, pressure, specific volume, enthalpy and entropy are required. But the steam table or diagram itself cannot be used without modelling. In this study applicability of neural networks in modelling superheated vapor region of water was examined by comparing with the quadratic spline. neural network consists of an input layer with 2 nodes, two hidden layers and an output layer with 3 nodes. Quadratic spline interpoation method was also applied for comparison. Neural network model revealed smaller percentage error to quadratic spline interpolation. From these results, it is confirmed that the neural networks could be powerful method in modelling the superheated range of the steam table.

상변화 물질을 취급하는 수치해석에서는 온도, 압력, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 열역학적 성질들은 증기표나 선도 등의 형태로 주어지기 때문에 그대로 이용할 수는 없고 모델링하여 사용하여야 한다. 본 연구에서는 2차 스플라인 보간법과 비교함으로써, 과열증기의 모델링에 신경회로망의 적용 가능성을 검토하였다. 신경회로망은 온도와 압력, 2개의 입력에 대하여 비체적, 엔탈피 및 엔트로피, 3개의 출력을 얻을 수 있도록 입력층, 은닉층 및 출력층으로 구성되었다. 스플라인 보간법은 2차 다항식을 사용하였으며, 주어진 압력에 대한 소구간의 온도에 적용하였다. 신경회로망 모델링은 많은 출력 범위에서 2차 스플라인 보간법보다 우수한 백분율 오차를 보였으며, 이 결과로부터 과열증기 모델링에 신경회로망이 아주 강력한 방법임을 확인하였다.