基于PCA-GA-SVM的竖直下降两相流流型预测

来源：核动力工程杂志2022年第3期北京时间：

作者：乔守旭, 钟文义, 谭思超, 李旭鹏, 郝思佳

单位：1.哈尔滨工程大学黑龙江省核动力装置性能与设备重点实验室，哈尔滨，150001；2.中国原子能科学研究院，北京，102413；

摘要：为提高小样本条件下的流型识别精度和时效性，提出了一种融合小波包分解（WPD）、主元分析（PCA）、遗传算法（GA）和支持向量机（SVM）的优化识别模型，并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构，提取小波包能量构造特征向量；通过PCA对特征向量进行降维，降低特征输入的复杂性；同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子（<i>C</i>）和核函数参数（<i>g</i>）。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GA-SVM网络进行对比。结果表明，经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著，对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%，耗时仅3.95 s，可满足在线识别需求。

关键词：竖直下降管, 两相流, 支持向量机（SVM）, 主元分析（PCA）, 遗传算法（GA）, 流型预测

基金资助：国家自然科学基金（11905039）；国家博士后基金（2021T140148, 2019M651267）