学位论文 > 优秀研究生学位论文题录展示
基于支持向量机的电阻层析成像系统流型识别研究
作 者: 张华
导 师: 陈德运
学 校: 哈尔滨理工大学
专 业: 计算机应用技术
关键词: 过程层析成像 电阻层析成像 流型识别 主成分分析 支持向量机
分类号: TP274
类 型: 硕士论文
年 份: 2008年
下 载: 81次
引 用: 1次
阅 读: 论文下载
内容摘要
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。
|
全文目录
摘要 5-6 Abstract 6-10 第1章 绪论 10-18 1.1 多相流检测技术 10-13 1.1.1 多相流检测技术研究的重要意义 10-11 1.1.2 多相流检测技术的主要参数 11 1.1.3 多相流检测技术的发展现状 11-12 1.1.4 多相流检测技术的发展趋势 12-13 1.2 过程层析成像技术 13-14 1.2.1 PT 技术基本原理 13 1.2.2 PT 技术分类 13-14 1.3 流型识别方法的研究现状及存在的问题 14-16 1.3.1 流型识别方法的研究现状 14-15 1.3.2 流型识别存在的问题 15-16 1.4 支持向量机的发展简史与现状 16-17 1.5 课题来源及研究的主要内容 17-18 第2章 电阻层析成像技术 18-23 2.1 ERT 的系统构成及技术特点 18-20 2.2 ERT 技术应用研究现状 20-21 2.3 ERT 技术发展中必须解决的关键问题 21 2.4 ERT 技术应用前景展望 21-22 2.5 本章小结 22-23 第3章 基于主成分分析的特征提取 23-26 3.1 使用主成分分析进行特征提取的必要性 23 3.2 主成分分析原理 23-24 3.3 对包含在类平均向量中的判别信息进行最优压缩 24-25 3.3.1 从类平均向量中提取判别信息 24 3.3.2 包含在类平均向量中判别信息的最优压缩 24-25 3.4 本章小结 25-26 第4章 支持向量机 26-39 4.1 引言 26 4.2 统计学习理论的核心内容 26-31 4.2.1 学习过程一致性的条件 26-27 4.2.2 函数集的VC 维 27 4.2.3 推广性的界 27-29 4.2.4 结构风险最小化原则 29-31 4.3 支持向量机的研究 31-37 4.3.1 线性可分情况 31-33 4.3.2 线性不可分情况 33-35 4.3.3 支持向量机的说明 35-37 4.4 支持向量机的基本算法 37-38 4.5 支持向量机学习算法的步骤 38 4.6 本章小结 38-39 第5章 基于支持向量机的ERT 系统流型识别 39-54 5.1 基于支持向量机的ERT 系统流型识别方法概述 39 5.2 用主成分分析进行特征提取的算法步骤 39-40 5.3 支持向量机多类别分类模型的构建 40-47 5.3.1 支持向量机的算法选择 40-43 5.3.2 支持向量机多类别分类方法的选择 43-45 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 45-47 5.3.4 模型可能存在的问题及解决办法 47 5.4 油水两相流流型识别实验过程及结果分析 47-52 5.4.1 对样本进行特征提取 47-50 5.4.2 通过实验对比选择核函数 50-51 5.4.3 参数选择 51-52 5.4.4 四种流型识别结果及结果分析 52 5.5 本章小结 52-54 结论 54-56 参考文献 56-60 攻读硕士学位期间所发表的学术论文 60-61 致谢 61
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于质谱的雷公藤甲素肝脏毒性代谢组学研究,R285
- 改进的主成分分析方法在学科建设中的应用,G642.4
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高分辨率SAR影像裸土信息提取及土壤含水量反演初探,S152.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 旅游对芦芽山国家级自然保护区典型植被的影响,S759.9
- 太行山猕猴掌面花纹嵴数的形态学研究,Q954
- 赵官煤矿下组煤底板突水预测及防治技术研究,TD745
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com
|