基于神经网络的ERT系统流型辨识的研究

在两相流测量问题的研究中,流型的准确识别是其他流动参数准确测量的基础,因此,得到比较高的流型辨识率是研究目的.本文在12电极电阻成像的基础上,采用模糊聚类对ERT系统中的测量电压数据进行模糊化,然后以模糊化后的数据作为BP神经网络的输入,在BP神经网络中,对该模糊化后的测量电压数据进行反复学习训练,来实现对两相流四种流型的辨识.通过实验仿真,四种流型的平均识别率达到了89.4%,提高了流型识别的准确率.

基于BP网络的电容层析成像图像重建算法

采用BP神经网络作为电容层析成像的图像重建算法,取得了较好的成像效果。但也存在学习速度慢,容易陷入局部最小等缺点。对神经网络算法进行了一些改进,仿真结果表明,其成像精度和成像实时性都有了显著提高。