基于集成学习的油水两相ECT系统流型识别研究

摘要：

针对传统的电容层析成像(ECT)流型识别方法识别率低的问题,提出一种基于集成学习理论的ECT流型识别方法.将ECT系统获得的大量流型数据进行归一化处理,并将样本数据的60％随机分配给训练数据,40％作为测试数据.在现有随机森林分类器的基础上进行改进,通过对单一流型进行识别,获取各类流型的识别标签,并通过组合策略的原则将多个单类标签结果进行重组,最终获取多种流型分类结果.对8种典型流型的仿真实验结果表明,该方法继承了传统的随机森林的分类特点.在5～40 dB信噪比的情况下,识别率有明显的提升,最高可达99.93％,表明了这种方法抗噪声干扰能力强,是一种适用于工业检测的方法.

关键词：油水两相、电容层析成像、流型识别、集成学习、随机森林、Bagging算法

所属期刊栏目：44

分类号：P631.84

资助基金：国家自然科学基金项目;东北石油大学研究生创新科研项目

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-42