基于AFSA-RF的两相流型图扩展技术

TL334; 为预测高流速条件下的流型并建立流型图,提出一种基于人工鱼群算法(artificial fish swarm algorithm,AFSA)优化的随机森林(random forest,RF)的机器学习模型,基于最优、简化参数出发,进行流型的智能识别.该模型成功地应用于竖直下降两相流流型的识别,通过不同分类模型以及优化方法对实验数据进行计算,发现AFSA-RF模型的流型识别精度与稳定性高于未优化的RF模型以及其他主流优化方法,对高流速区域的流型的识别成功率达到了90.91％,进一步验证了该预测模型的有效性.依托建立的模型,对现有流型图的适应范围进行了扩展,获得了适用于高流速条件下的流...

Full description

Saved in:
Bibliographic Details
Published in原子能科学技术 Vol. 56; no. 8; pp. 1584 - 1592
Main Authors 李旭鹏, 钟文义, 乔守旭, 谭思超, 王庶光
Format Journal Article
LanguageChinese
Published 哈尔滨工程大学 黑龙江省核动力装置性能与设备重点实验室,黑龙江 哈尔滨 150001 01.08.2022
哈尔滨工程大学 核安全与先进核能技术工信部重点实验室,黑龙江 哈尔滨 150001
Subjects
流型扩展
气液两相流
流型预测
随机森林
人工鱼群
Online AccessGet full text

Cover

More Information
Summary:TL334; 为预测高流速条件下的流型并建立流型图,提出一种基于人工鱼群算法(artificial fish swarm algorithm,AFSA)优化的随机森林(random forest,RF)的机器学习模型,基于最优、简化参数出发,进行流型的智能识别.该模型成功地应用于竖直下降两相流流型的识别,通过不同分类模型以及优化方法对实验数据进行计算,发现AFSA-RF模型的流型识别精度与稳定性高于未优化的RF模型以及其他主流优化方法,对高流速区域的流型的识别成功率达到了90.91％,进一步验证了该预测模型的有效性.依托建立的模型,对现有流型图的适应范围进行了扩展,获得了适用于高流速条件下的流型图.
ISSN:1000-6931
DOI:10.7538/yzk.2021.youxian.0597