基于神经网络的水平管三相分层流相分率测量

梁法春　王　栋　林宗虎

摘要：将采用伽马射线测量的高能计数和低能计数作为输入参数，截面含水率和含气率作为输出参数，构建了预测水平管油气水三相分层流相分率的径向基函数神经网络．通过设计的相分率标定装置获得了神经网络的学习样本．在一内径为80mm的大型油气水三相流实验环道上进行了预测效果检验实验，结果表明，神经网络预测值与实测值非常吻合，含气率预测最大误差为3．6％，含水率最大误差为2．5％，有效地克服了传统双能伽马密度仪对流型敏感，不适于分离流动测量的问题．

关键词：伽马射线；神经网络；相分率；三相分层流

中图分类号：O359文献标识石马：A文章编号：0253—987X(2004)07—0750—04