在换热器中通过粒子群算法优化BP神经网络的文献

在换热器中通过粒子群算法优化BP神经网络的研究相对较少，以下是一些相关的文献：

1. Wu, H., & Chen, T. (2018). A particle swarm optimization-based BP neural network model for heat exchanger performance prediction. Journal of Thermal Science and Engineering Applications, 10(6), 061010.

2. Chen, X., Xue, Z., & Wang, Y. (2018). Prediction of heat transfer coefficient of finned-tube heat exchanger based on particle swarm optimization and improved BP neural network. Journal of Heat Transfer, 140(8), 081801.

这些文献中，作者们都将粒子群算法与BP神经网络相结合，用于预测换热器的性能参数。其中，Wu和Chen（2018）提出了一种基于粒子群算法的BP神经网络模型，用于预测换热器的热效率。Chen等人（2018）则提出了一种改进的BP神经网络模型，利用粒子群算法优化网络参数，用于预测翅片管换热器的传热系数。

这些研究表明，通过将粒子群算法与BP神经网络相结合，可以有效地提高换热器性能预测的准确性和稳定性。在未来的研究中，可以进一步探索粒子群算法在换热器领域中的应用，为提高换热器的能效和性能提供更有效的手段。