论文部分内容阅读
利用高速摄影仪对垂直上升管中油气水三相流的流动进行了动态图像的拍摄,提取每一帧图像的灰度均值组成灰度时间序列,并从时间序列中提取了能反映油气水三相流流动特性的统计和分形特征量,将这些特征量作为人工神经网络的输入量。在水的体积流量为1.32~12.15m3/h,油的体积流量为0.01~0.43m3/h,空气的体积流量为0.75~2.5m3/h条件下,采用小波神经网络作为相含率预测模型,结果表明,小波神经网络的预测值与测试值非常吻合,含气率预测最大误差为3.57%,含水率最大误差为3.3%,较好地实现了油气水