基于灰色神经网络和支持向量机的两相流流型辨识

• 作者: 周涛 张蕾 李精精 段军
• 来源期刊: 核技术
• 学科: 工学
• 关键词: 小波分析 两相流 流型 灰色神经网络 Lib-SVM
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 核物理与交叉学科研究
• 页码范围: 67-71
• 页数: 5页
• 分类号: TL249
• 字数: 2923字
• 语种: 中文

摘要

两相流流型直接影响两相流的流动特性和传热传质性能.利用小波分析对气液两相流压降实验数据进行处理,提取不同频率的小波系数.以小波能量为特征,输入BP神经网络进行训练,进行流型的初步辨识.将灰色神经网络模型应用于气液两相流的辨识,同时创立将压差波动数据和小波能量数据输入Lib-SVM机分类器的方法,分别对流型进行辨识.结果显示,这三种方法均可进行流型的辨识,小波能量支持向量机的判别结果比灰色神经网络和BP神经网络的判别结果准确.支持向量机对压差信号直接进行流型辨识时准确率达到95.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周涛	华北电力大学核热工安全与标准化研究所	127	828	12.0	23.0
2	张蕾	华北电力大学核热工安全与标准化研究所	14	57	5.0	7.0
3	段军	华北电力大学核热工安全与标准化研究所	8	30	4.0	5.0
4	李精精	华北电力大学核热工安全与标准化研究所	23	133	6.0	11.0