| 【中文题名】 | 利用信息熵识别流态 |
| 【英文题名】 | Flow Patterns Identification with Information Entropy |
| 【学科专业】 | 地球探测与信息技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-11-4 |
| 【中关键词】 | 油水两相流,流型,相空间,关联维,信息熵, |
| 【英关键词】 | Oil-water two phase flow,Flow patterns,Phase space,Correlation dimension,Information entropy, |
| 【分类导航】 | 天文学、地球科学>地质学>地质、矿产普查与勘探>地球物理勘探>地下地球物理勘探> |
| 【论文摘要】 |
本文利用非线性理论，在已有的分形和混沌理论基础上，进一步讨论了用信息熵识别油水两相流流态的问题。在含水率51％～91％及油水两相总流量10m~2．d~(-1)～60m~3．d~(-1)范围内，对垂直上升油水两相流流动工况的电导波动信号进行分析，计算了该时间序列的信息熵，当含水率K_(?)为61～91％时，信息熵值分布在0.1209～0.1659之间，与流型图对比可知，信息熵值与总流量Q_1及含水率之间有良好的对应关系，表明此范围为水包油流型(油为分散相)。对于含水率K_(?)为51或51.5％，信息熵值分布在0.1420～0.1844之间，且随总流量Q_1呈现不规则突变，恰巧落在了流型转变区内。这表明信息熵值对油水两相流流型变化具有敏感的“指示器”特性。尽管信息熵与分形的研究角度和表征方法不同，但它们在流型转变的结论上却是一致的。可见，利用信息熵识别流态又提供一种流态识别的新方法。
此外，针对本文所用的时间序列属于混沌时间序列，选用互信息第一次极小的时间为时间延迟，合理地解决了时间延迟的选取这一关键性的问题。并编制了VB程序进行计算，这是一种新的尝试。
本文编制的同时回归出... |
| 【论文题纲】 |
|
前言 |
10-11 |
|
符号说明 |
11-12 |
|
第一章 多相流流态研究概述 |
12-18 |
|
1.1 物理方法 |
12 |
|
1.2 非线性科学理论新方法 |
12-18 |
|
1.2.1 Lyapunov指数 |
12-14 |
|
1.2.2 分形时间序列分析 |
14-15 |
|
1.2.3 混沌时间序列分析 |
15 |
|
1.2.4 时间序列分析参数识别法 |
15-16 |
|
1.2.5 信息熵 |
16-18 |
|
第二章 信息熵计算原理 |
18-28 |
|
2.1 熵与信息 |
18-20 |
|
2.1.1 熵 |
18-19 |
|
2.1.2 信息 |
19 |
|
2.1.3 熵与信息 |
19-20 |
|
2.2 信息熵原理及计算流程 |
20-28 |
|
2.2.1 信息熵计算原理 |
20-23 |
|
2.2.2 时间延迟选取 |
23-28 |
|
第三章 数据处理及结果分析 |
28-40 |
|
3.1 实验数据的采集 |
28-30 |
|
3.2 计算结果的分析 |
30-38 |
|
3.3 信息熵分布与油水两相流流型图对比 |
38-40 |
|
结论 |
40-41 |
|
致谢 |
41-42 |
|
附录A 计算数据表 |
42-54 |
|
附录B 计算程序 |
54-58 |
|
参考文献 |
58-59 |
|
| 【DOI】 | LunWen.ID:2.2008.67127 |
