典型文献
基于卷积神经网络与门控循环单元的气液两相流流型识别方法
文献摘要：
提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法.该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小DCT系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别.分析了输入序列长度对CNN-GRU、CNN及GRU网络分类准确的影响,确定了最佳输入向量维度分别为60、65及50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达99.40％.
文献关键词：
计量学;流型识别;离散余弦变换;卷积神经网络;门控循环单元;电阻层析成像
中图分类号：
作者姓名：
张立峰;王智;吴思橙
作者机构：
华北电力大学自动化系,河北保定071003
文献出处：
引用格式：
[1]张立峰;王智;吴思橙-.基于卷积神经网络与门控循环单元的气液两相流流型识别方法)[J].计量学报,2022(10):1306-1312
A类：
B类：
门控循环单元,气液两相流,流流,流型识别,GRU,垂直管道,管道气,电阻层析成像,ERT,重建图像,离散余弦变换,DCT,求取,向量维度,分类准确率,均流,识别准确率
AB值：
0.24909
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。
