典型文献
基于机器学习的离心泵气液两相压升预测
文献摘要：
针对离心泵气液两相压升难以准确预测的问题,该研究构建了基于机器学习的离心泵压升预测模型.通过试验获得入口体积含气率、转速和液相流量对离心泵两相压升性能的影响规律,建立气液两相运行条件下离心泵性能基础数据库.根据试验结果,确定以入口体积含气率、转速和液相流量作为输入特征,构建基于线性回归、BP神经网络、支持向量机和随机森林的4种机器学习模型.研究结果表明随机森林预测能力最优,尤其是对于泵喘振区域附近性能的预测,其更能反映出压升的变化趋势,与其他3种模型相比具有更强的预测能力.在总数据集上,随机森林模型所预测压升的平均相对误差、均方根误差和决定系数分别为3.51％、1.06 kPa和0.993,置信水平为94.44％条件下,相对误差不超过±15％.基于随机森林的离心泵气液两相性能预测模型能较好地预测离心泵的两相压升,可为离心泵设计和选型提供参考.
文献关键词：
两相流;泵;机器学习;压升;预测模型
中图分类号：
作者姓名：
贺登辉;李芮林;孙帅辉;郭鹏程
作者机构：
西安理工大学省部共建西北旱区生态水利国家重点实验室,西安 710048
文献出处：
引用格式：
[1]贺登辉;李芮林;孙帅辉;郭鹏程-.基于机器学习的离心泵气液两相压升预测)[J].农业工程学报,2022(04):33-41
A类：
B类：
基于机器学习,离心泵,气液两相,压升,准确预测,研究构建,含气率,两相运行,运行条件,基础数据库,输入特征,机器学习模型,预测能力,喘振,随机森林模型,平均相对误差,决定系数,kPa,置信水平,性能预测模型,两相流
AB值：
0.26858
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。
