论文部分内容阅读
将采用伽马射线测量的高能计数和低能计数作为输入参数,截面含水率和含气率作为输出参数,构建了预测水平管油气水三相分层流相分率的径向基函数神经网络.通过设计的相分率标定装置获得了神经网络的学习样本.在一内径为80 mm的大型油气水三相流实验环道上进行了预测效果检验实验,结果表明,神经网络预测值与实测值非常吻合,含气率预测最大误差为3.6%,含水率最大误差为2.5%,有效地克服了传统双能伽马密度仪对流型敏感,不适于分离流动测量的问题.