基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识

摘要：

基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1 D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究.该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器.将1 D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97％.

关键词：计量学、流型辨识、电阻层析成像、卷积神经网络、自适应提升

所属期刊栏目：43

分类号：TB937(计量学)

资助基金：国家自然科学基金61973115

在线出版日期：2023-01-16（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：1622-1626