提出了一種基于粒子群優(yōu)化極限學(xué)習(xí)機(jī)及電容層析成像的兩相流流型辨識(shí)及其參數(shù)預(yù)測(cè)方法。首先,通過(guò)粒子群優(yōu)化極限學(xué)習(xí)機(jī)的連接權(quán)值,并使用粒子群優(yōu)化極限學(xué)習(xí)機(jī)算法對(duì)4種典型的油-氣兩相流流型進(jìn)行辨識(shí);其次,使用粒子群優(yōu)化極限學(xué)習(xí)機(jī)算法對(duì)流型的參數(shù)進(jìn)行預(yù)測(cè);最后進(jìn)行了仿真實(shí)驗(yàn),結(jié)果表明,與極限學(xué)習(xí)機(jī)算法相比,粒子群優(yōu)化極限學(xué)習(xí)機(jī)算法所需隱層節(jié)點(diǎn)數(shù)更少,流型辨識(shí)率更高,其正確辨識(shí)率達(dá)100%,對(duì)4種流型參數(shù)預(yù)測(cè)的最大相對(duì)誤差為5.24%。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 引言
2 理論基礎(chǔ)
    2.1 電容層析成像技術(shù)原理
    2.2 極限學(xué)習(xí)機(jī)算法
    2.3 粒子群優(yōu)化算法
    2.4 粒子群優(yōu)化極限學(xué)習(xí)機(jī)
3 基于PSO-ELM的流型辨識(shí)
    3.1 仿真條件及模型建立
    3.2 流型辨識(shí)
4 基于PSO-ELM的流型參數(shù)預(yù)測(cè)
5 結(jié)論



本文編號(hào)：4001969