基于最小二乘支持向量机和粒子群算法的两相流含油率软测量方法

摘要

为提高油水两相流含油率的测量精度，提出基于最小二乘支持向量机（least squares support vector machine，LSSVM）和改进的粒子群算法（particle swarm optimization，PSO）的含油率建模方法。该方法将测量的油水总流量和加热器上下游温差作为LSSVM输入，含油率作为输出，对含油率与温差和总流量的关系进行训练，通过改进的PSO优化LSSVM的参数，建立了含油率的优化模型，并用测试数据对含油率的模型进行了比较。实验结果表明，基于改进的PSO-LSSVM含油率模型比PSO-LSSVM和遗传算法-最小二乘支持向量机模型运算速度快，比理论修正模型测量精度高，含油率在4％～60％时，平均测量误差为0．93％。