南乌拉尔国立大学的科学家提出了一种通过使用机器模拟来校正科里奥利质量流量计测量误差的新方法。他们的方法适用于处理在多相环境中获得的少量数据。研究结果发表在高级期刊 流量测量仪表(Q2) 中。
工业中液体、悬浮液和气体的质量流量是使用科里奥利质量流量计测量的。这是一种允许您根据其内置 U 型测量管的机械振动变化进行计算的设备。液体或气体通过这些管子出现移位，这种差异与流过管子的流体质量流量的大小成正比。
在多相环境中，流量计读数的准确性会降低：比如水气结合时。现在使用机器学习方法来校正测量误差，最常见的方法 - 基于SVM-RBF 高斯核函数的神经网络和非线性支持向量机。
南乌拉尔国立大学科学家，物理和数学科学候选人，系统编程系副教授奥尔加·伊布里亚耶娃，高等电子与计算机科学学院学生丹尼斯·列别杰夫，技术自我诊断国际实验室负责人和设备和系统的自我控制，牛津大学（英国）教授 马努斯·亨利率先使用了线性支持向量机。
“这个方法本身真的很‘弱’，所以没有尝试使用它。然而，在我们的任务中，我们掌握一小部分数据。重新训练出一个更强大的非线性模型。使用线性方法时，我们根据已掌握的数据构建新的特征，因此我们能够构建复杂的模型。除此之外，学习过程也变得更快，”奥尔加·伊布里亚耶娃说到。
南乌大的科学家在文章中提出的模型可以用于生产，因为可以适用于科里奥利流量计，使用神经网络来纠正错误。
需要指出的是，南乌大的研究人员使用了在牛津获得的双相环境中科里奥利流量计的数据。它们被发布在由高等电子与计算机科学学院学生丹尼斯·列别杰夫创建的网站上。基于这些数据，首先提出了一种新的机器学习方法来校正流量计的结果。
网站上还有三相环境的数据集。科学家们正在准备一篇关于处理这些数据的文章：他们将分享首次成功应用集成机器学习算法的成果。