论文部分内容阅读
为提升两相流流型辨识精度,提出了一种基于遗传算法优化极限学习机(GA-ELM)及电容层析成像技术(ECT)的两相流流型辨识方法。首先,利用遗传算法对极限学习机的连接权值及阈值进行优化,并对GA-ELM的极限学习机(ELM)网络隐含层神经元个数进行了优化选择;其次,针对选取的5种油/气两相流典型流型,随机设置流型样本并通过数字化ECT系统获得其对应的电容测量值;最后,采用GA-ELM进行了流型识别,并与BP、GA-BP及ELM这3种神经网络进行对比,结果表明,采用的GA-ELM方法流型辨识精度最高,平