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...
Saved in:
Published in | 原子能科学技术 Vol. 56; no. 8; pp. 1584 - 1592 |
---|---|
Main Authors | , , , , |
Format | Journal Article |
Language | Chinese |
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 | |
Online Access | Get full text |
Cover
Loading…
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 |