基于多元相空间复杂网络的油水相含率测量及验证方法

摘要

一种基于多元相空间复杂网络的油水相含率测量及验证方法：包括有构建多元相空间复杂网络；进行油水两相流参数测量信息计算；绘制交叉聚集系数和交叉传递性与含油率线性关系测量图版，实现对水平油水两相流含油率的测量；根据所绘的测量图版，分析交叉聚集系数、交叉传递性网络子过程量化特征与流型演化动力学关系，揭示水平油水两相流流型演化动力学机制。采用四扇区分布式电导传感器进行验证。本发明提出了一种多元相空间复杂网络方法对两相流分布式电导传感器测量信号进行信息融合，可有效辨识不同油水两相流流型；基于四扇区分布式电导传感器的多元相空间复杂网络信息融合方法可获得很好的含油率测量效果。

主权项

一种基于多元相空间复杂网络的油水两相流相含率测量方法，其特征在于，包括如下阶段：1)构建多元相空间复杂网络，包括如下步骤：(1)获得S组等长度反映流体局部流动特征的电压测量信号即多元时间序列，其中S为大于0的整数；(2)将所述的S组等长度信号组成的多元时间序列重构到同一个相空间中，得到S组向量序列，根据自递归率大于交叉递归率的阈值选取方法，对于来自同一观测信号的向量，定义表示它们之间递归关系的自递归矩阵，对于来自不同观测信号的向量，定义表示它们之间递归关系的交叉递归矩阵，其中，所述的自递归矩阵和交叉递归矩阵为复杂网络的子网络，所述的递归矩阵为多元相空间复杂网络；(3)把所有的自递归矩阵和交叉递归矩阵组合在一起就构成多元观测信号的递归矩阵；2)进行油水两相流参数测量信息计算，包括如下步骤：(1)设定交叉聚集系数其中，N_A为向量序列的向量个数，i表示向量序列中向量，为局部交叉聚集系数；对局部交叉聚集系数求取均值即得到整个递归网络的交叉聚集系数C_global；(2)设定交叉传递性T^AB：如果时间序列B所构成的子网络中两节点在时间序列A所构成的子网络中有共有的邻接点，则这两点连接的概率为交叉传递性T^AB：$T^{AB}=\frac{{\Sigma }_{v\in A;p,q\in B}{R}_{cross}^{AB}(v,p)R_{cross}^{AB}(v,q)R_{auto}^B(p,q)}{{\Sigma }_{v\in A;p,q\in B}{R}_{cross}^{AB}(v,p)R_{cross}^{AB}(v,q)}$其中，v表示向量序列中向量，p、q表示向量序列中向量，表示向量序列中向量v和中向量p的交叉递归矩阵，表示向量序列中向量v和中向量q的交叉递归矩阵，表示向量序列中向量p、q之间的自递归矩阵；然后对交叉传递性求取均值即得到整个网络的交叉传递性T_global；3)绘制交叉聚集系数和交叉传递性与含油率线性关系测量图版，实现对水平油水两相流含油率的测量；4)根据步骤3)所绘的测量图版，分析交叉聚集系数、交叉传递性网络子过程量化特征与流型演化动力学关系，揭示水平油水两相流流型演化动力学机制。