一种基于支持向量回归的混合建模方法

近年来,随着计算能力的不断提高,数据驱动的建模方法受到了广泛的关注,对单模式系统进行定量分析的建模方法获得了诸多研究。然而,实际应用中大多数系统为多模式系统,不但各个模式有着不同的连续行为,连续状态还会在模式之间进行切换。针对这一情形,本文提出了经验概率混合自动机模型,并提出了针对该模型的基于支持向量回归(SVR)的多模式定性定量混合建模方法。该方法使用小波技术识别模式切换点,并在各个模式下单独建立支持向量模型,最后使用D-Markov机整合模型。经实例验证,该方法与传统支持向量回归模型的稳定性接近,但精确程度显著提高。

符号动态滤波的气液两相流流型识别

气液两相流流型识别对石油和化工等工业生产安全性具有重要作用.目前,基于数学模型的流型识别技术成为了主要的发展趋势.本文在超声波法气液两相流流动规律研究基础上提出了一种基于符号动态滤波的流型识别方法.在垂直管道中对纯水、泡状流、弹状流和环状流四种流型进行了实验.经过对实验数据进行分析处理,结果表明该方法可以有效运用于流型识别,从而为气液两相流流型识别的研究提供了新的思路.