基于集成学习及电阻层析成像的两相流流型辨识

来源：动力工程学报杂志2023年第9期北京时间：

作者：张立峰, 肖凯,

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%。

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,