基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识

来源：计量学报杂志2022年第12期北京时间：

作者：张立峰,肖凯,华回春

单位：华北电力大学自动化系, 河北 保定 071003

摘要：基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究。该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器。将1D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97%。

关键词：计量学;流型辨识;电阻层析成像;卷积神经网络;自适应提升

基金资助：国家自然科学基金(61973115)