[发明专利]一种多分类ERT流型识别方法

权利要求书

1.一种多分类ERT流型识别方法，其特征在于，该方法包括以下步骤：

步骤一、构建多分类ERT流型仿真模型：利用ERT仿真软件构建多分类ERT流型仿真模型，多分类ERT流型仿真模型包括仿真管道和均匀分布在管道外壁的16电极仿真系统，仿真管道内根据多分类ERT设定流型充填连续相介质和离散相介质；

以仿真管道横截面中心为圆心，建立直角坐标系，将多分类ERT设定流型分为核心流、第一单泡泡状流、第二单泡泡状流、第三单泡泡状流、第四单泡泡状流、第一双泡泡状流、第二双泡泡状流、第三双泡泡状流、第四双泡泡状流、第五双泡泡状流、第六双泡泡状流、第七双泡泡状流、第八双泡泡状流、第九双泡泡状流、第十双泡泡状流、第一三泡泡状流、第二三泡泡状流、第三三泡泡状流、第四三泡泡状流、四泡泡状流、五泡泡状流、小环流、中环流、大环流、低位层流、中位层流和高位层流；

其中，核心流中连续相介质的数量为一个且位于直角坐标系中心；

第一单泡泡状流中连续相介质的数量为一个且位于第一象限；

第二单泡泡状流中连续相介质的数量为一个且位于第二象限；

第三单泡泡状流中连续相介质的数量为一个且位于第三象限；

第四单泡泡状流中连续相介质的数量为一个且位于第四象限；

第一双泡泡状流中连续相介质的数量为两个且均位于第一象限；

第二双泡泡状流中连续相介质的数量为两个且均位于第二象限；

第三双泡泡状流中连续相介质的数量为两个且均位于第三象限；

第四双泡泡状流中连续相介质的数量为两个且均位于第四象限；

第五双泡泡状流中连续相介质的数量为两个且分别位于一、二象限；

第六双泡泡状流中连续相介质的数量为两个且分别位于一、三象限；

第七双泡泡状流中连续相介质的数量为两个且分别位于一、四象限；

第八双泡泡状流中连续相介质的数量为两个且分别位于二、三象限；

第九双泡泡状流中连续相介质的数量为两个且分别位于二、四象限；

第十双泡泡状流中连续相介质的数量为两个且分别位于三、四象限；

第一三泡泡状流中连续相介质的数量为三个且分别位于一、二、三象限；

第二三泡泡状流中连续相介质的数量为三个且分别位于一、二、四象限；

第三三泡泡状流中连续相介质的数量为三个且分别位于一、三、四象限；

第四三泡泡状流中连续相介质的数量为三个且分别位于二、三、四象限；

四泡泡状流中连续相介质的数量为四个且随机分布在直角坐标系内；

五泡泡状流中连续相介质的数量为五个且随机分布在直角坐标系内；

小环流中连续相介质为环形结构且环形结构的连续相介质的内外直径大于且小于D为仿真管道内径；

中环流中连续相介质为环形结构且环形结构的连续相介质的内外直径不小于且小于

大环流中连续相介质为环形结构且环形结构的连续相介质的内外直径不小于

低位层流中连续相介质的面层高度小于

中位层流中连续相介质的面层高度不小于且小于

低位层流中连续相介质的面层高度不小于

步骤二、获取测量电压：在ERT仿真软件中设置各种ERT流型的电导率分布，16电极仿真系统利用相邻激励模式输出激励电流获取每种ERT设定流型的多组测量电压，每组测量电压为A*1维电压数值，其中，A为测量电压维数，每种ERT设定流型的测量电压不少于100组；

步骤三、测量电压的数据处理，过程如下：

步骤301、对每组测量电压的A*1维电压数值进行归一化处理，得到每组测量电压的归一化电压数值u_k；

步骤302、根据公式对归一化后的每组测量电压分别进行升维处理得到A*A的电压矩阵U_k；

步骤303、对每个电压矩阵U_k进行边缘补零处理，使每个电压矩阵U_k的维度扩充为256*256，再给维度扩充后的电压矩阵中每个元素值乘以255，得到每个元素值在0～255之间的矩阵H_k；

此时获得的矩阵H_k可视为256*256*1的点阵图片所对应的像素值矩阵，将像素值矩阵转化为jpg格式的图片，得到每张包含测量电压信息的点阵图片；

步骤304、对点阵图片进行DCT变换，得到DCT电压样本；

步骤四、构建数据库：将每种ERT设定流型的多组测量电压对应的点阵图片和DCT电压样本构成一个数据库，对数据库进行随机分类，获得训练数据集合和测试数据集合；

步骤五、CNN卷积神经网络的训练及测试：将点阵图片和DCT电压样本作为CNN卷积神经网络输入样本，将ERT流型作为网络输出，利用训练数据集合对CNN卷积神经网络进行训练，直至训练数据集合中点阵图片和DCT电压样本调取完毕；

再在测试数据集合中调取点阵图片和DCT电压样本，对CNN卷积神经网络进行测试，获取训练并测试完成的CNN卷积神经网络；

步骤六、多分类ERT流型识别，过程如下：

步骤601、利用16电极系统待测管道进行测量，获取实际测量电压，实际测量电压为A*1维电压数值；对实际测量电压的A*1维电压数值进行归一化处理，得到实际测量电压的归一化电压数值u_j；

步骤602、根据公式对归一化后的实际测量电压进行升维处理得到A*A的电压矩阵U_j；

步骤603、对电压矩阵U_j进行边缘补零处理，使电压矩阵U_j的维度扩充为256*256，再给维度扩充后的电压矩阵U_j中每个元素值乘以255，得到每个元素值在0～255之间的矩阵H_j；

此时获得的矩阵H_j可视为256*256*1的点阵图片所对应的像素值矩阵，将像素值矩阵转化为jpg格式的图片，得到包含实际测量电压信息的点阵图片；

步骤604、对点阵图片进行DCT变换，得到DCT电压样本；

步骤605、将实际测量电压对应的点阵图片和DCT电压样本送入训练并测试完成的CNN卷积神经网络，进行ERT流型识别。