论文部分内容阅读
对垂直上升管中油水两相流流动测得的电导波动信号,从时频域内提取了11个反映油水两相流流动特性的特征量.频域内特征量提取采用了语音信号处理中的线性预测方法,时域内特征量提取采用了时间序列统计分析方法.将这些特征量作为人工神经网络的输入量,在总流量10～60 m3·d-1及含水率51%～91%范围内,采用基于Levenbery-Marquardt算法的BP人工神经网络作为相含率预估模型,较好地实现了油水两相流含水率预测,为两相流相含率测量提供了一种新的软测量途径.