PCA＆PSO在油气水三相流流型识别中应用.pdfVIP

石 油 仪 器 2014年 第 28卷 第 2期 PETRoLEUM INSTRUMENIS · 方法研究 · PCAPSO在油气水三相流流型识别中的应用 刘宏利 梁 旭 (1．海军92676部队 河北 秦皇岛)(2．大庆油田有限责任公司测试技术服务分公司 黑龙江 大庆) 摘 要：为 了提高油气水三相流流型识别的准确率 ，提取 了对流型变化敏感的多个特征 。通过主成分分析将原始特征 向 量进行 降维处理，并将其作为最小二乘支持 向量机 的输入矢量 ，建立油气水三相流流型识别模型 ；对于最小二乘支持 向量 机模型中参数的选取，采用粒子群优化算法进行寻优 。实验结果表明，该模型简化了分类器结构 ，提高了流型识别精度。 关 键 词：最小二乘支持 向量机 ；主成分分析 ；粒子群优化算法；流型识别 中图法分类号 ：TE33 文献标识码：B 文章编号：1004—9134(2014)02—0045·03 0 引 言 开始 不同的多相流流型具有不同的流体动力学和传热 输入经PCA处理的训练和测试样本 特性 ，根据多相流流型的预测 ，可设计合适 的工程设 初始化PSO，高w’速度，位置等 备 。近年来，国内外学者运用数据融合和人工智能的 方法对多相流流型识别展开了大量研究_1J。马龙博等l2J 用PSO对LS．SVM进行参数寻优 采用 HHT能量特征作为 SVM 的特征 向量来识别流 型；Trafalis等[3]采用管径、气速和液速参数，利用 SVM 对流型之间的过渡地带进行了识别。上述方法 这代次薮、 利用 SVM 在一定条件下可以较好地辨识流型，但模 型参数的选取没有较好地解决，同时数据融合不可避 输出寻优模型参数和相应模型 免地存在关联性很强等问题 。 针对 目前存在的不足，本文提出一种基于 PCA 应用模型进行识别输出结果 (PrincipalComponentAnalysis，PCA)与 PSO (Particle SwarmOptimization，PS0)相结合的LS—SVM (Least 结束 SquareSVM，LS—SVM)流型识别模型，用该模型对 图1 油气水三相流流型识别流程图 油气水三相流流型进行了识别，并与单一LS—SVM和 PCA—LSSVM识别方法进行了比较，结果表明该模型 1．1 基于PCA的特征选择 提高了识别能力 ，降低 了计算复杂度 。 从特征互补角度出发，通过时频域分析方法提取 电导波动信号时域特征最大值 、最小值 、均值 、标准 1 油气水三相流流型识别模型 差 、斜度 、峰度 ；在频域内进行4层小波包分解 ，提 为了准确反应油气水三相流流型的变化，单一特 取 四个小波包能量特征参数 ；时频域特征采用Hilbert- 征量难以满足需求，因此通过提取信号的多类特征来 Huang变换计算 EMD能量熵、峭度系数及功率谱熵、 识别流型 。本文基于特征互补 的思想 ，从不同角度不 近似熵和 LZ复杂度 。通过分形分析法提取 Hurst指 同类型，采用时域 、频域和分形等信号分析方法 ，提 数、关联维、Kolmogorov熵 ；混沌分析法提取了递 取了29个特征参数 。为了提高模型的运算速度和精 归率、确定