摘要：要：【目的】为确保氢储运枢纽的安全，预测氢气泄漏的后果显得尤为重要。研究通过计算流体力学模拟不同氢气源项的质量流量、泄漏口数量及其方向，探讨不同氢气泄漏工况下的氢气行为，旨在为氢能的安全使用提供技术保障。【方法】基于监测点的氢气瞬时浓度数据，结合机器学习方法，利用K-means算法对数据集聚类，通过主成分分析(principalcomponentanalysis, PCA)降维实现二维可视化。随后，采用支持向量机(support vector machine,SVM)算法从时空维度对泄漏数据进行分类预测。【结果】通过K-means算法成功地将数据分为6个不同的簇，每个簇代表一种特定的泄漏情况。在分类任务中，SVM算法在不同时间尺度上预测要优于不同监测点的选择，其中40～60 s的时间段预测准确率最高，特别是在7、9、11、12、13、17号监测点的数据预测中表现突出，其准确率达到100%。【结论】研究结果为氢储运枢纽的安全监测和事故提供了有效方法，为氢能的安全使用提供了技术参考。
