首页--数理科学和化学论文--力学论文--流体力学论文--多相流论文

基于差压信号与因子分析的气液两相流测量

摘要第4-5页
abstract第5-6页
第1章 前言第11-17页
    1.1 研究背景及其意义第11-12页
    1.2 气液两相流参数第12-14页
    1.3 气液两相流的研究现状第14-15页
    1.4 论文内容及组织结构第15-17页
第2章 基础理论第17-29页
    2.1 气液两相流理论模型第17-18页
    2.2 回归分析第18-22页
        2.2.1 最小二乘法原理第19-20页
        2.2.2 多元线性回归与曲线回归第20页
        2.2.3 回归分析的步骤以及检验第20-22页
    2.3 因子分析第22-24页
        2.3.1 因子分析的数学模型第22-23页
        2.3.2 因子分析相关概念第23-24页
    2.4 支持向量机理论第24-26页
        2.4.1 SVM理论基础第24-25页
        2.4.2 SVR模型与参数选择第25-26页
    2.5 数据融合与贝叶斯网络第26-29页
        2.5.1 贝叶斯网络特点第27页
        2.5.2 贝叶斯网络相关概念第27-29页
第3章 实验设备与两相流特征值分析第29-45页
    3.1 实验设备介绍第29-31页
        3.1.1 文丘里管及其对流型的影响第29-31页
        3.1.2 实验装置与实验流程第31页
    3.2 两相流参数计算第31-32页
    3.3 差压信号划分与特征值分析第32-39页
        3.3.1 差压信号划分第32-35页
        3.3.2 特征值定义第35-36页
        3.3.3 液相对差压信号的影响第36-38页
        3.3.4 空隙率对差压信号的影响第38-39页
    3.4 两相流因子分析第39-44页
        3.4.1 因子数目分析第40页
        3.4.2 因子含义分析第40-44页
    3.5 本章小结第44-45页
第4章 低干度两相流参数估计模型第45-61页
    4.1 函数拟合模型第45-48页
        4.1.1 两相流参数与特征值关系第45页
        4.1.2 函数拟合模型估计两相流参数第45-48页
    4.2 多元线性回归模型第48-51页
        4.2.1 多元线性回归方程建立第48-49页
        4.2.2 多元线性回归模型估计两相流参数第49-51页
    4.3 支持向量机回归模型第51-56页
        4.3.1 SVRM模型参数寻优第51-54页
        4.3.2 支持向量机模型估计两相流参数第54-56页
    4.4 参数估计模型对比与分析第56-61页
第5章 基于贝叶斯网络的数据融合第61-68页
    5.1 贝叶斯网络的建立第61-62页
    5.2 贝叶斯网络参数学习第62-65页
        5.2.1 训练集数据的提取第62-63页
        5.2.2 网络训练结果及其分析第63-65页
    5.3 基于贝叶斯网络的数据融合分析第65-68页
总结与展望第68-70页
参考文献第70-74页
攻读硕士学位期间取得的学术成果和科研情况说明第74-75页
致谢第75页

论文共75页,点击 下载论文
上一篇:多孔介质中渗流驱动问题的局部间断有限元方法研究
下一篇:壁面形态对颗粒粘附特征的影响研究