基于深度森林及电阻层析成像的气液两相流流型辨识

摘要：

提出了一种基于深度森林(DF)算法与电阻层析成像技术(ERT)的气液两相流流型辨识方法.首先利用ERT实验装置对4种典型流型进行数据采集,以多帧数据求均值的方式对采集的数据进行预处理;然后选择合适的基本分类器构建深度森林模型,并调整模型的最大层数以保障分类的准确率;最后对多帧数据求均值的有效性和深度森林模型的流型辨识能力进行验证,并与深度神经网络(DNN)及卷积神经网络(CNN)2种传统深度学习算法进行比较.结果表明深度森林的流型辨识准确性优于其他2种算法,平均辨识精度可达98.75％,多帧数据求均值的预处理方法更有利于流型辨识.

关键词：计量学、电阻层析成像、流型辨识、深度森林算法、气液两相流

所属期刊栏目：44

分类号：TB937(计量学)

资助基金：国家自然科学基金61973115

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：893-898