基于PCA-GA-SVM的竖直下降两相流流型预测

作者：乔守旭; 钟文义; 谭思超^*; 李旭鹏; 郝思佳

来源：核动力工程, 2022, 43(03): 85-93.

DOI：10.13832/j.jnpe.2022.03.0085

• 竖直下降管
• 两相流
• 支持向量机(SVM)
• 主元分析(PCA)
• 遗传算法(GA)
• 流型预测

为提高小样本条件下的流型识别精度和时效性，提出了一种融合小波包分解（WPD）、主元分析（PCA）、遗传算法（GA）和支持向量机（SVM）的优化识别模型，并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构，提取小波包能量构造特征向量；通过PCA对特征向量进行降维，降低特征输入的复杂性；同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子（C）和核函数参数（g）。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GASVM网络进行对比。结果表明，经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著，对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%，耗时仅3.95 s，可满足在线识别需求。

• 单位
  中国原子能科学研究院; 哈尔滨工程大学