基于集成学习的油水两相ECT系统流型识别研究

作者：韩建; 马跃^*; 曹志民; 全星慧

来源：测井技术, 2020, 44(01): 38-42.

DOI：10.16489/j.issn.1004-1338.2020.01.008

• 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

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。

• 单位
  东北石油大学