基于集成学习的油水两相ECT系统流型识别研究

更新时间:2023-05-28

【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

阅读全文