提出了一種基于粒子群優(yōu)化極限學習機及電容層析成像的兩相流流型辨識及其參數(shù)預測方法。首先,通過粒子群優(yōu)化極限學習機的連接權(quán)值,并使用粒子群優(yōu)化極限學習機算法對4種典型的油-氣兩相流流型進行辨識;其次,使用粒子群優(yōu)化極限學習機算法對流型的參數(shù)進行預測;最后進行了仿真實驗,結(jié)果表明,與極限學習機算法相比,粒子群優(yōu)化極限學習機算法所需隱層節(jié)點數(shù)更少,流型辨識率更高,其正確辨識率達100%,對4種流型參數(shù)預測的最大相對誤差為5.24%。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 理論基礎
    2.1 電容層析成像技術原理
    2.2 極限學習機算法
    2.3 粒子群優(yōu)化算法
    2.4 粒子群優(yōu)化極限學習機
3 基于PSO-ELM的流型辨識
    3.1 仿真條件及模型建立
    3.2 流型辨識
4 基于PSO-ELM的流型參數(shù)預測
5 結(jié)論



本文編號：4001969