基于支持向量机的电阻层析成像系统流型识别研究

论文摘要

两相流体具有复杂性的流动特性,流型的准确识别是两相流参数准确测量的基础,流型的在线智能识别是两相流研究的重点内容之一。电阻层析成像(ERT)技术是基于电阻传感机理的过程层析成像技术,由于它具有可视化和非入侵的优点,被应用在各种各样的两相流在线测量和流型辨识上,是近年发展最快的一种过程层析成像技术。支持向量机(Support Vector Machine, SVM)是统计学习理论中最年轻的部分,是一种基于结构风险最小(Structural Risk Minimization, SRM)原则的模式识别方法,在分类、回归估计和密度估计等方面有很好的应用。相对于神经网络来说有更好的推广能力。本文以ERT系统和油/水两相流的流型为研究基础,采用主成分分析方法对ERT系统中的边界测量电压数据进行特征提取,然后以提取的特征数据作为基于一对余类策略的支持向量机多类分类模型的输入,从而对两相流的四种流型进行识别。本文的主要研究内容如下:1.总结了目前普遍采用的流型识别方法的研究现状,指出流型识别存在的问题。2.从理论上分析了电阻层析成像系统的构成及技术特点,指出电阻层析成像技术发展中必须解决的问题。3.分析使用主成分分析进行特征提取的必要性,阐述了文中使用的主成分分析方法——对包含在类平均向量中的判别信息进行最优压缩的原理。4.根据支持向量机的基本原理、基本算法、常用分类方法,针对油水两相流的特点,构造了基于一对余类策略的支持向量机多类分类模型。5.通过MATLAB仿真实验,对样本进行特征提取,且通过实验对比选择最优的核函数及相应参数,对油水两相流的四种常见流型进行识别,得到了比较理想的识别效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 多相流检测技术
• 1.1.1 多相流检测技术研究的重要意义
• 1.1.2 多相流检测技术的主要参数
• 1.1.3 多相流检测技术的发展现状
• 1.1.4 多相流检测技术的发展趋势
• 1.2 过程层析成像技术
• 1.2.1 PT 技术基本原理
• 1.2.2 PT 技术分类
• 1.3 流型识别方法的研究现状及存在的问题
• 1.3.1 流型识别方法的研究现状
• 1.3.2 流型识别存在的问题
• 1.4 支持向量机的发展简史与现状
• 1.5 课题来源及研究的主要内容
• 第2章 电阻层析成像技术
• 2.1 ERT 的系统构成及技术特点
• 2.2 ERT 技术应用研究现状
• 2.3 ERT 技术发展中必须解决的关键问题
• 2.4 ERT 技术应用前景展望
• 2.5 本章小结
• 第3章 基于主成分分析的特征提取
• 3.1 使用主成分分析进行特征提取的必要性
• 3.2 主成分分析原理
• 3.3 对包含在类平均向量中的判别信息进行最优压缩
• 3.3.1 从类平均向量中提取判别信息
• 3.3.2 包含在类平均向量中判别信息的最优压缩
• 3.4 本章小结
• 第4章 支持向量机
• 4.1 引言
• 4.2 统计学习理论的核心内容
• 4.2.1 学习过程一致性的条件
• 4.2.2 函数集的VC 维
• 4.2.3 推广性的界
• 4.2.4 结构风险最小化原则
• 4.3 支持向量机的研究
• 4.3.1 线性可分情况
• 4.3.2 线性不可分情况
• 4.3.3 支持向量机的说明
• 4.4 支持向量机的基本算法
• 4.5 支持向量机学习算法的步骤
• 4.6 本章小结
• 第5章 基于支持向量机的ERT 系统流型识别
• 5.1 基于支持向量机的ERT 系统流型识别方法概述
• 5.2 用主成分分析进行特征提取的算法步骤
• 5.3 支持向量机多类别分类模型的构建
• 5.3.1 支持向量机的算法选择
• 5.3.2 支持向量机多类别分类方法的选择
• 5.3.3 构建基于一对余类策略的支持向量机多类分类模型
• 5.3.4 模型可能存在的问题及解决办法
• 5.4 油水两相流流型识别实验过程及结果分析
• 5.4.1 对样本进行特征提取
• 5.4.2 通过实验对比选择核函数
• 5.4.3 参数选择
• 5.4.4 四种流型识别结果及结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的学术论文
• 致谢