氣液兩相流流動(dòng)參數(shù)軟測(cè)量方法研究.pdf

1、支持向量機(jī)(SVM)是近幾年發(fā)展起來(lái)的機(jī)器學(xué)習(xí)新方法，其中以高斯函數(shù)為核函數(shù)的支持向量機(jī)在實(shí)際應(yīng)用中表現(xiàn)出良好的學(xué)習(xí)性能，被廣泛應(yīng)用于模式分類(lèi)中。此類(lèi)SVM的模型選擇取決于兩個(gè)參數(shù)，誤差懲罰因子C和高斯核寬度σ。支持向量機(jī)的參數(shù)取值決定了其學(xué)習(xí)性能和泛化能力，目前其參數(shù)優(yōu)化問(wèn)題是制約支持向量機(jī)應(yīng)用的一個(gè)瓶頸?；煦鐑?yōu)化算法是一種全局搜索方法，將混沌優(yōu)化算法應(yīng)用于支持向量機(jī)參數(shù)選取問(wèn)題中，仿真表明該方法的有效性。 基于非線性信息處理

2、技術(shù)中的吸引子形態(tài)動(dòng)力學(xué)理論、遞歸定量分析理論、符號(hào)動(dòng)力學(xué)理論、復(fù)雜性測(cè)度理論和語(yǔ)音信號(hào)處理技術(shù)中的線性預(yù)測(cè)方法對(duì)電導(dǎo)、差壓傳感器電壓波動(dòng)信號(hào)提取了非線性特征量和時(shí)頻域特征量，結(jié)合實(shí)驗(yàn)的觀察流型和含水率信息組成樣本集。本文結(jié)合粗糙集與支持向量機(jī)兩種智能工具，提出一種應(yīng)用粗糙集屬性約簡(jiǎn)與支持向量機(jī)分類(lèi)和定量預(yù)測(cè)的兩相流流動(dòng)參數(shù)軟測(cè)量模型。該方法應(yīng)用粗糙集理論屬性約簡(jiǎn)作為預(yù)處理器，剔除決策表中冗余屬性，去除樣本噪聲，而不損失有效信息，然后基