文献类型：期刊文章

作　　者：孙斌[1] 周云龙[1]

机构地区：[1]东北电力学院动力系,吉林省吉林市132012

出　　处：《中国电机工程学报》

基　　金：吉林省科技发展计划项目(20040513)

年　　份：2005

卷　　号：25

期　　号：17

起止页码：93-99

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下得到很好的分类效果,从而为流型识别技术向智能化发展提供了新的途径。该文提出了应用支持向量机和小波包能量特征的流型识别方法。将压差波动信号小波包分解后的频带能量作为支持向量机的输入特征向量,并对水平管内空气-水两相流的流型进行了识别。试验结果表明:与BP神经网络相比,采用支持向量机进行流型识别可以获得更高的识别率,表明该方法是有效、可行的。

关 键 词：热能动力工程 气液两相流 流型识别 支持向量机 小波包

分 类 号：O359]