随机森林算法在悬移质粒径分布测量中的应用研究

扫码查看

原文链接

NETL

中文摘要：固液两相流体系中颗粒粒径在工业生产、水利建设等领域占据着重要的位置，针对传统粒径分布反演中存在适用模型复杂且计算困难等问题，本文对悬移质样品进行超声衰减实验，制作人工特征和PCA特征数据集训练随机森林算法模型预测粒径分布结果，结果表明使用PCA特征训练得到的随机森林算法模型预测粒径分布效果更好，可为粒径分布测量提供一种新思路。本文完成的主要工作如下：（1）使用筛分法配置了36组不同分布的悬移质样品并进行三种频率下超声衰减实验，其中33组样品数据用于制作训练数据集；均匀分布、不规则分布、正态分布样品用于制作验证数据集；针对超声信号中存在噪声这一问题，使用小波变换进行去噪；考虑到信号中心频率的影响，采用傅里叶变换提取中心频率下的幅值。（2）结合ECAH模型和实验现象等先验信息，人工选择与颗粒粒径关系密切的10项参数作为人工特征训练数据集的特征；考虑到6项幅值特征之间存在相关性，采用主成分分析法提取主成分重新构建特征；两种数据集都使用筛分法确定的粒径区间作为标签。针对算法训练中遇到的量纲不一致问题，采用归一化和onehot编码对数据进行处理。（3）采用网格搜索法确定随机森林算法模型训练需要的最优决策树数量和最优可选择特征数量；将两种方法预测得到的颗粒粒径频度分布与筛分法确定的颗粒粒径频度分布进行对比。结果表明，在实验范围内，两种方法都可反演颗粒粒径分布，利用PCA特征训练的随机森林模型有更好的效果，可为粒径分布测量提供一种新思路。

作者：

应启帆

展开 >

关键词：

随机森林算法超声衰减粒径分布固液两相流决策树

授予学位：

硕士

学科专业：

仪器仪表工程

导师：

谢代梁、阙发建

学位年度：

2021

学位授予单位：

中国计量大学

语种：

中文

中图分类号：