典型文献
基于AFSA-RF的两相流型图扩展技术
文献摘要:
为预测高流速条件下的流型并建立流型图,提出一种基于人工鱼群算法(artificial fish swarm algorithm,AFSA)优化的随机森林(random forest,RF)的机器学习模型,基于最优、简化参数出发,进行流型的智能识别.该模型成功地应用于竖直下降两相流流型的识别,通过不同分类模型以及优化方法对实验数据进行计算,发现AFSA-RF模型的流型识别精度与稳定性高于未优化的RF模型以及其他主流优化方法,对高流速区域的流型的识别成功率达到了90.91%,进一步验证了该预测模型的有效性.依托建立的模型,对现有流型图的适应范围进行了扩展,获得了适用于高流速条件下的流型图.
文献关键词:
气液两相流;随机森林;人工鱼群;流型预测;流型扩展
中图分类号:
作者姓名:
李旭鹏;钟文义;乔守旭;谭思超;王庶光
作者机构:
哈尔滨工程大学 黑龙江省核动力装置性能与设备重点实验室,黑龙江 哈尔滨 150001;哈尔滨工程大学 核安全与先进核能技术工信部重点实验室,黑龙江 哈尔滨 150001
文献出处:
引用格式:
[1]李旭鹏;钟文义;乔守旭;谭思超;王庶光-.基于AFSA-RF的两相流型图扩展技术)[J].原子能科学技术,2022(08):1584-1592
A类:
流型扩展
B类:
AFSA,RF,两相流型,测高,高流速,人工鱼群算法,artificial,fish,swarm,algorithm,random,forest,机器学习模型,数出,智能识别,竖直,直下,流流,分类模型,流型识别,识别精度,别成,功率达,适应范围,气液两相流,流型预测
AB值:
0.397216
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。