- 专利标题: 基于复杂网络和深度学习的两相流多元信息融合法及应用
- 专利标题(英): Two-phase flow multi-element information fusion method based on complex network and depth learning and application thereof
-
申请号: CN201610889357.9申请日: 2016-10-11
-
公开(公告)号: CN106485325A公开(公告)日: 2017-03-08
- 发明人: 高忠科 , 杨宇轩 , 党伟东 , 董长松 , 蔡清
- 申请人: 天津大学
- 申请人地址: 天津市南开区卫津路92号
- 专利权人: 天津大学
- 当前专利权人: 天津大学
- 当前专利权人地址: 天津市南开区卫津路92号
- 代理机构: 天津市北洋有限责任专利代理事务所
- 代理商 杜文茹
- 主分类号: G06N3/08
- IPC分类号: G06N3/08 ; G06K9/62
摘要:
一种基于复杂网络和深度学习的两相流多元信息融合法及应用:针对循环激励双模态传感器得到的多通道时间序列分别构建复杂网络;对于循环激励双模态传感器得到的每一个多通道时间序列分别建立加权相关系数复杂网络和无权相关系数复杂网络,得到网络指标,将所述的网络指标组合成一个特征向量;深度学习模型训练与相含率测量,得到一个能够实现双模态多元信息融合的深度学习模型。采用由循环激励多电极电导传感器和循环激励多电极电容传感器组成的循环激励双模态传感器进行垂直油水两相流实验,固定油相和水相的配比,改变油相和水相的流量进行实验。本发明可实现对两相流相含率的测量。
公开/授权文献
- CN106485325B 基于复杂网络和深度学习的两相流多元信息融合法及应用 公开/授权日:2018-10-30