文档名：基于集成学习及电阻层析成像的两相流流型辨识
摘要：为了更准确、快速地辨识两相流的流型,提出一种使用集成学习进行流型辨识的方法.采用电阻层析成像系统采集垂直管道气液两相流的4种流型数据.首先,通过选取一定数量的帧数对数据进行帧数均值化,以多分类回归树(CART)为弱分类器构建极限梯度提升(XGBoost)算法,以特征增益为指标进行预训练并经特征选择实现数据降维;然后,将5个深度神经网络(DNN)模型与AdaBoost算法相结合,构建了用于气液两相流流型辨识的DNN-AdaBoost算法;最后,将DNN-AdaBoost算法与其他流型辨识算法进行比较.结果表明:DNN-AdaBoost算法的辨识准确率高于其他算法,平均辨识准确率可达98.25％.
作者：张立峰 肖凯Author：ZHANGLifeng XIAOKai
作者单位：华北电力大学自动化系,河北保定071003
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(9)
分类号：TK121
关键词：流型辨识 电阻层析成像 极限梯度提升 自适应提升 深度神经网络
Keywords：flowpatternidentification electricalresistancetomography extremegradientboosting adap-tiveboosting deepneuralnetwork
机标分类号：TP391.41TP274.2TP181
在线出版日期：2023年10月13日
基金项目：国家自然科学基金基于集成学习及电阻层析成像的两相流流型辨识[
期刊论文] 动力工程学报--2023, 43(9)张立峰 肖凯为了更准确、快速地辨识两相流的流型,提出一种使用集成学习进行流型辨识的方法.采用电阻层析成像系统采集垂直管道气液两相流的4种流型数据.首先,通过选取一定数量的帧数对数据进行帧数均值化,以多分类回归树(CART)为弱...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于集成学习及电阻层析成像的两相流流型辨识 Identification of Two-phase Flow Pattern Based on Ensemble Learning and Electrical Resistance Tomography
基于集成学习及电阻层析成像的两相流流型辨识.pdf
- 文件大小:
- 11.05 MB
- 下载次数:
- 60
-
高速下载
|
