典型文献
基于改进CSO-LSTM的两相流空隙率预测研究
文献摘要：
空隙率是石油化工企业中非常重要的参数之一.空隙率在线测量过程中存在较大的随机性和不确定性,很难预知空隙率的变化.为了实现对空隙率的预测,提前对两相流系统进行控制和优化,提出了基于改进猫群优化(CSO)算法长短期记忆(LSTM)网络的空隙率预测算法.利用LSTM善于处理时间序列型数据的特点对空隙率进行预测,在CSO中引入模拟退火(SA)算法和平均惯性权重,改善了在预测中易陷入局部最优和全局搜索能力较弱的缺点,保证了位置的收敛性.结果表明,该算法模型具有较高的预测精度和收敛速度,可以更快更精确预测空隙率的变化,克服了数据不确定且随机的难点,对提前控制和优化两相流系统具有较高的工业应用价值.
文献关键词：
两相流;空隙率;改进猫群优化算法;模拟退火算法;平均惯性权重;长短期记忆
中图分类号：
作者姓名：
刘晓;阚哲;钱宇加
作者机构：
辽宁石油化工大学信息与控制工程学院,辽宁抚顺113001
文献出处：
引用格式：
[1]刘晓;阚哲;钱宇加-.基于改进CSO-LSTM的两相流空隙率预测研究)[J].传感器与微系统,2022(07):57-60,64
A类：
平均惯性权重,改进猫群优化算法
B类：
CSO,两相流,空隙率,预测研究,石油化工企业,在线测量,随机性,预知,长短期记忆,预测算法,处理时间,SA,中易,局部最优,全局搜索,搜索能力,收敛性,算法模型,收敛速度,精确预测,工业应用,模拟退火算法
AB值：
0.233223
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。
