基于支持向量机和小波包能量特征的气液两相流流型识别方法

被引：47

作者：

孙斌

周云龙

机构：

[1] 东北电力学院动力系,东北电力学院动力系吉林省吉林市,吉林省吉林市

来源：

中国电机工程学报 | 2005年 / 17期

关键词：

热能动力工程; 气液两相流; 流型识别; 支持向量机; 小波包;

D O I：

10.13334/j.0258-8013.pcsee.2005.17.019

中图分类号：

O359.1 [];

学科分类号：

080704 ;

摘要：

支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下得到很好的分类效果,从而为流型识别技术向智能化发展提供了新的途径。该文提出了应用支持向量机和小波包能量特征的流型识别方法。将压差波动信号小波包分解后的频带能量作为支持向量机的输入特征向量,并对水平管内空气-水两相流的流型进行了识别。试验结果表明:与BP神经网络相比,采用支持向量机进行流型识别可以获得更高的识别率,表明该方法是有效、可行的。

引用

收藏

页码：93 / 99

页数：7

相关论文

共 15 条

[1] 多输入特征融合的组合支持向量机电力系统暂态稳定评估 [J].

马骞 ;

杨以涵 ;

刘文颖 ;

齐郑 ;

郭金智 .

中国电机工程学报, 2005, (06) :20-26

[2] 基于S变换的电能质量扰动支持向量机分类识别 [J].

占勇 ;

程浩忠 ;

丁屹峰 ;

吕干云 ;

孙毅斌 .

中国电机工程学报, 2005, (04) :53-58

[3] 基于最小二乘支持向量机的电站锅炉空预器热点检测系统研究 [J].

刘涵 ;

李琦 ;

刘丁 ;

梁炎明 ;

宋念龙 .

中国电机工程学报, 2005, (03) :149-154

[4] 基于支持向量机的电力系统短期负荷预测 [J].

潘峰 ;

程浩忠 ;

杨镜非 ;

张澄 ;

潘震东 .

电网技术, 2004, (21) :39-42

[5] 基于时间序列的支持向量机在负荷预测中的应用 [J].

张林 ;

刘先珊 ;

阴和俊 .

电网技术, 2004, (19) :38-41

[6] 基于小波包分解的电能质量扰动分类方法 [J].

王成山 ;

王继东 .

电网技术, 2004, (15) :78-82

[7] 小波包–能量谱在高压断路器机械故障诊断中的应用 [J].

赵海龙 ;

王芳 ;

胡晓光 .

电网技术, 2004, (06) :46-48+58

[8] PCA和SVM在火焰监测中的应用研究 [J].

白卫东 ;

严建华 ;

池涌 ;

王飞 ;

马增益 ;

林彬 ;

倪明江 ;

岑可法 .

中国电机工程学报, 2004, (02) :186-191

[9] 基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究 [J].

董明 ;

孟源源 ;

徐长响 ;

严璋 .

中国电机工程学报, 2003, (07) :88-92

[10] 短期负荷预测的支持向量机方法研究 [J].

李元诚 ;

方廷健 ;

于尔铿 .

中国电机工程学报, 2003, (06) :55-59