延会波，张 玮，李立毅，翟 剑

（太原理工大学 化学化工学院，山西 太原 030024）

滴流床反应器是一种气液并流向下通过催化剂床层的固定床反应器，广泛应用于石油和化工领域。 床层液体分布均匀性是影响其性能的主要因素。 液体分布不良会导致催化剂利用率低或过早失活，并引起局部热点和沟流、壁流等现象[1]。 因此，准确地预测和优化床层液体分布成为滴流床反应器设计和放大的重要问题。

针对滴流床床层液体分布问题，收集器法[2]和各种可视化成像技术[3-7]是主要的实验研究手段，但往往受到操作、几何和物理条件的限制，且通常是耗时和昂贵的。 为此，国内外研究人员开始探索使用计算流体力学（CFD）来模拟滴流床床层结构，并对床层液体分布进行分析，常用的CFD模型如三相欧拉模型[8]、多孔介质模型[9]。 滴流床床层多相流动是复杂的，建立精确的数学模型对床层液体分布进行分析是困难的，且CFD分析需要大量的计算，模拟结果容易受划分网格的质量和数量影响，模拟的计算成本很高。 因此，使用一种简单、经济和高效的方法来研究滴流床床层液体分布具有现实意义。 随着人工智能技术的发展， 数据驱动建模开始兴起，机器学习在滴流床反应器的研究中取得了突破性应用[10,11]，Bazmi等[2]采用神经网络建立了滴流床床层液体分布模型。 然而由于神经网络基于经验风险最小化原理，往往存在过学习和低泛化问题[12]。近年来兴起的随机森林回归（RFR）模型从原始样本中随机选取训练样本和特征来构建不同的决策树，大大降低了过拟合的风险，在建模精度和泛化能力方面也都优于神经网络模型。……