10.13873/J.1000-9787(2022)07-0057-04
基于改进CSO-LSTM的两相流空隙率预测研究
空隙率是石油化工企业中非常重要的参数之一.空隙率在线测量过程中存在较大的随机性和不确定性,很难预知空隙率的变化.为了实现对空隙率的预测,提前对两相流系统进行控制和优化,提出了基于改进猫群优化(CSO)算法长短期记忆(LSTM)网络的空隙率预测算法.利用LSTM善于处理时间序列型数据的特点对空隙率进行预测,在CSO中引入模拟退火(SA)算法和平均惯性权重,改善了在预测中易陷入局部最优和全局搜索能力较弱的缺点,保证了位置的收敛性.结果表明,该算法模型具有较高的预测精度和收敛速度,可以更快更精确预测空隙率的变化,克服了数据不确定且随机的难点,对提前控制和优化两相流系统具有较高的工业应用价值.
两相流、空隙率、改进猫群优化算法、模拟退火算法、平均惯性权重、长短期记忆
41
TP181;TP391(自动化基础理论)
国家自然科学基金;辽宁省自然科学基金资助项目;辽宁省教育厅一般项目
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
57-60,64