کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8954365 1645992 2019 21 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Measurement of water content of oil-water two-phase flows using dual-frequency microwave method in combination with deep neural network
ترجمه فارسی عنوان
اندازه گیری میزان آب جریان آب دو مرحله ای نفت و آب با استفاده از روش میکروویو دو فرکانس در ترکیب با شبکه های عصبی عمیق
کلمات کلیدی
اندازه گیری جریان دو فاز نفت و آب، مایکروویو، شبکه عصبی عمیق
ترجمه چکیده
این مقاله یک الگوریتم اصلاح فرکانس دوگانه مایکروویو را برای اندازه گیری میزان آب جریان آب دو فاز نفتی ارائه می دهد که می تواند تاثیر هدایت را از بین ببرد و محتوای آب را به دست آورد. در ادامه، بر اساس مزایای فرکانس دوگانه، این مقاله یک مدل شبکه عصبی عمیق برای پیش بینی رابطه غیرخطی پیچیده بین انعطاف پذیری مخلوط و محتوای آب ارائه می دهد. برای جلوگیری از افتادن به یک راه حل بهینه محلی، الگوریتم برآورد لحظه ای تطبیقی ​​برای جایگزینی روش شیب گرادیان استفاده می شود. نتایج تجربی برای تخمین عملکرد الگوریتم شبکه عمیق عصبی مورد استفاده قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
اندازه گیری میزان آب جریان آب دو مرحله ای نفت و آب با استفاده از روش میکروویو دو فرکانس در ترکیب با شبکه های عصبی عمیق
چکیده انگلیسی
This paper presents a microwave dual frequency correction algorithm to measure the water content of the oil-water two-phase flows, which can eliminate the influence of conductivity and obtain the water content. Subsequently, based on the advantages of dual-frequency this paper proposes a deep neural network model to predict complex nonlinear relationship between the mixture permittivity and water content. In order to avoid falling into a local optimal solution, the adaptive moment estimation algorithm is used to replace the gradient descent method. The experimental results are applied to estimate the performance of the discussed deep neural network algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Measurement - Volume 131, January 2019, Pages 92-99
نویسندگان
, , ,