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及其參數(shù)預(yù)測
發(fā)布時(shí)間:2024-07-06 03:10
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)測方法。首先,通過粒子群優(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)算法對流型的參數(shù)進(jìn)行預(yù)測;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4種流型參數(shù)預(yù)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(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
5 結(jié)論
本文編號(hào):4001969
【文章頁數(shù)】:6 頁
【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
5 結(jié)論
本文編號(hào):4001969
本文鏈接:http://sikaile.net/guanlilunwen/gongchengguanli/4001969.html
最近更新
教材專著