基于GA-ELM及电容层析成像的两相流流型辨识

摘要：

为提升两相流流型辨识精度,提出了一种基于遗传算法优化极限学习机(GA-ELM)及电容层析成像技术(ECT)的两相流流型辨识方法.首先,利用遗传算法对极限学习机的连接权值及阈值进行优化,并对GA-ELM的极限学习机(ELM)网络隐含层神经元个数进行了优化选择;其次,针对选取的5种油/气两相流典型流型,随机设置流型样本并通过数字化ECT系统获得其对应的电容测量值;最后,采用GA-ELM进行了流型识别,并与BP、GA-BP及ELM这3种神经网络进行对比,结果表明,采用的GA-ELM方法流型辨识精度最高,平均辨识率达到96％.

关键词：两相流、流型辨识、电容层析成像、遗传算法、极限学习机

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61973115

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-41