本發(fā)明涉及一種兩相流雙模態(tài)多源信息融合方法。特別是涉及一種針對油水兩相流循環(huán)激勵(lì)雙模態(tài)傳感器多通道信號的基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的多源信息融合法及應(yīng)用。

背景技術(shù)：

油水兩相流廣泛存在于石油開采與運(yùn)輸產(chǎn)業(yè)。在油水兩相流系統(tǒng)中，各相的分布隨著時(shí)間和空間在不斷變化，形成了不同的流動形態(tài)，稱之為流型。兩相流的流型復(fù)雜多變，局部流動信息難以準(zhǔn)確捕捉，使得相含率等兩相流流動參數(shù)的測量存在諸多難點(diǎn)。這對于石油開采和工藝改造成了諸多影響。目前，對于流型的研究主要是采用觀測法、小波特征分析和模糊C聚類、模糊邏輯和遺傳算法、數(shù)字圖像處理算法等。對于相含率的測量多采用電導(dǎo)法、電容法、光學(xué)法和射線法等。傳統(tǒng)的測量采用的環(huán)形電導(dǎo)傳感器和雙螺旋電容傳感器等，是單通道傳感器，容易丟失微觀的局部流動信息。而分布式電導(dǎo)傳感器和激勵(lì)循環(huán)激勵(lì)傳感器等則可以同時(shí)采集多通道信號，捕捉到更豐富的微觀流動信息，為流型和流型演化中的流動機(jī)制研究提拱了重要技術(shù)支持。

復(fù)雜網(wǎng)絡(luò)理論自創(chuàng)立以來，如今已在多領(lǐng)域得到了蓬勃發(fā)展，是研究復(fù)雜系統(tǒng)的一個(gè)重要工具，尤其是近年來其在時(shí)間序列分析中作出了重大貢獻(xiàn)。實(shí)踐表明，復(fù)雜網(wǎng)絡(luò)對于挖掘包含在非線性時(shí)間序列中和非線性動力學(xué)系統(tǒng)中的重要信息具有明顯的優(yōu)勢，效果顯著。其在單通道時(shí)間序列上的得到成功應(yīng)用的同時(shí)，也使得科研人員開始關(guān)注如何將其應(yīng)用到多通道數(shù)據(jù)的融合分析中。此外，過去對于復(fù)雜網(wǎng)絡(luò)的研究主要集中在單層網(wǎng)絡(luò)的分析上，而雙層網(wǎng)絡(luò)的出現(xiàn)則彌補(bǔ)了單層網(wǎng)絡(luò)在融合信息方面的單一性，能夠更好融合不同屬性的信息，從而挖掘出更加豐富的復(fù)雜系統(tǒng)的內(nèi)在特性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是，提供一種能夠?qū)崿F(xiàn)對復(fù)雜流動結(jié)構(gòu)的辨識，刻畫流型演化中的內(nèi)在動力學(xué)機(jī)制的基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的多源信息融合法及應(yīng)用。

本發(fā)明所采用的技術(shù)方案是：一種基于小波多分辨率雙層網(wǎng)絡(luò)的兩相流多源信息融合法，包括如下步驟：

1)對通過由循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器組成的循環(huán)激勵(lì)雙模態(tài)傳感器得到的多通道時(shí)間序列分別構(gòu)建小波系數(shù)復(fù)雜網(wǎng)絡(luò)；

2)構(gòu)建小波多分辨率聚合網(wǎng)絡(luò)，并分別繪制包含有流型信息的圖能量和交叉聚集系數(shù)熵與分辨率的關(guān)系圖；

3)構(gòu)建小波雙層復(fù)雜網(wǎng)絡(luò)，并分別繪制包含有流型信息的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值、節(jié)點(diǎn)度的均值和節(jié)點(diǎn)特征向量中心性的均值與分辨率的關(guān)系圖。

步驟1)包括：

(1)獲取通過循環(huán)激勵(lì)雙模態(tài)傳感器得到的包含有兩相流流體局部流動信息的S組長度均為L的多通道時(shí)間序列

(2)對于每一通道的時(shí)間序列，進(jìn)行6個(gè)分辨率的小波變換，每一個(gè)分辨率得到1個(gè)低頻系數(shù)子帶即近似系數(shù)和1個(gè)高頻系數(shù)子帶即細(xì)節(jié)系數(shù)，共得到6個(gè)低頻系數(shù)子帶和6個(gè)高頻系數(shù)子帶，求每一個(gè)低頻帶和每一個(gè)高頻帶的最大值x₁、最小值x₂、平均值x₃、標(biāo)準(zhǔn)偏差x₄、陡度函數(shù)x₅和峭度函數(shù)x₆；這樣對于每一個(gè)分辨率來說，低頻帶和高頻帶的12個(gè)特征值組成一個(gè)特征向量

(3)對于多通道時(shí)間序列在每一個(gè)分辨率上，計(jì)算每兩通道時(shí)間序列的特征向量的歐氏距離d＝||X(m)-X(n)||m＝1,2,...,S n＝1,2,...,S,其中，|| ||表示計(jì)算歐式距離，X(m)表示通道m(xù)的特征向量，X(n)通道n的特征向量；將每一通道的信號作為復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)，以兩通道間的歐氏距離決定復(fù)雜網(wǎng)絡(luò)中兩節(jié)點(diǎn)的連邊；計(jì)算所有歐式距離的均值M_n和標(biāo)準(zhǔn)偏差σ，則可得到一個(gè)閾值R＝M_n+qσ，其中q＝0.15；如果兩通道的歐氏距離大于該閾值，則兩節(jié)點(diǎn)之間沒有連邊，反之，則兩節(jié)點(diǎn)之間有連邊；由此，在不同分辨率下分別構(gòu)建小波系數(shù)復(fù)雜網(wǎng)絡(luò)；這樣，對于一個(gè)多通道時(shí)間序列，共可得到6個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)。

步驟2)包括：

(1)通過循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器分別得到一個(gè)多通道時(shí)間序列，對于每一個(gè)多通道時(shí)間序列分別在每一分辨率得到一個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)；

(2)考慮循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器在每個(gè)分辨率下分別構(gòu)建一個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)，所以每個(gè)分辨率下得到的兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)，將這兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)共有的連邊保留，節(jié)點(diǎn)數(shù)目不變，從而在每個(gè)分辨率下構(gòu)成一個(gè)小波多分辨率聚合網(wǎng)絡(luò)和它對應(yīng)的鄰接矩陣A；

(3)對所述的小波多分辨率聚合網(wǎng)絡(luò)，設(shè)定圖能量指標(biāo)E(A)：其中，λ_i表示每一個(gè)分辨率下新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)鄰接矩陣A的特征值，n表示的是特征值的數(shù)目；設(shè)定聚集系數(shù)熵指標(biāo)E_C：

其中，T_v表示的是一個(gè)新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)中包含有節(jié)點(diǎn)v的封閉三角形的數(shù)目，k_v表示的是新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)v的度，C(v)表示的是節(jié)點(diǎn)v的聚集系數(shù)；

(4)分別繪制包含有流型信息的圖能量和交叉聚集系數(shù)熵與分辨率的關(guān)系圖，通過研究這兩個(gè)指標(biāo)在流型演化過程中的轉(zhuǎn)變，用以辨識復(fù)雜流動結(jié)構(gòu)，指示流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

步驟3)包括：

(1)對于步驟1)建的每個(gè)分辨率的兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)，分別作為小波雙層復(fù)雜網(wǎng)絡(luò)的一層，從而得到小波雙層復(fù)雜網(wǎng)絡(luò)，所述小波雙層復(fù)雜網(wǎng)絡(luò)的鄰接矩陣表示為其中，α表示雙層小波系數(shù)復(fù)雜網(wǎng)絡(luò)的層數(shù)，若節(jié)點(diǎn)i和j在α層有連接，則鄰接矩陣中對應(yīng)的元素否則兩層網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)目皆為S；

(2)小波雙層復(fù)雜網(wǎng)絡(luò)的任一層α中節(jié)點(diǎn)i的聚集系數(shù)

其中，α'表示小波雙層復(fù)雜網(wǎng)絡(luò)中不同于α層的另一層，和分別表示α層中節(jié)點(diǎn)i和節(jié)點(diǎn)j在鄰接矩陣中的元素值，α'層中節(jié)點(diǎn)j和m在鄰接矩陣中的元素值，α層中節(jié)點(diǎn)m和i在鄰接矩陣中的元素值；得到每一層中各節(jié)點(diǎn)的聚集系數(shù)，計(jì)算每層中節(jié)點(diǎn)聚集系數(shù)的均值C_α：

(3)計(jì)算小波雙層復(fù)雜網(wǎng)絡(luò)中的任一α層中的任意節(jié)點(diǎn)i的度其中，表示α層中節(jié)點(diǎn)i和j在鄰接矩陣中的元素值；得到每一層中每一個(gè)節(jié)點(diǎn)的度，計(jì)算每層中節(jié)點(diǎn)度的均值k_α：

(4)小波雙層復(fù)雜網(wǎng)絡(luò)的任一α層中節(jié)點(diǎn)i的特征向量中心性表示α層的鄰接矩陣A^[α]的主特征值對應(yīng)的特征向量的第i個(gè)元素值；得到每一層中每一個(gè)節(jié)點(diǎn)的特征向量中心性值，計(jì)算每層中節(jié)點(diǎn)特征向量中心性的均值E_α：

(5)分別繪制包含有流型信息的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α與分辨率的關(guān)系圖；循環(huán)激勵(lì)多電極電導(dǎo)傳感器對局部低含油率測量靈敏高，循環(huán)激勵(lì)多電極電容傳感器對局部高含油率測量靈敏度高，電導(dǎo)電容多源測量信息的有效融合實(shí)現(xiàn)互補(bǔ)式兩相流空間流動信息檢測，通過研究包含有流型信息每層網(wǎng)絡(luò)的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α與分辨率的關(guān)系圖，研究每層的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α三個(gè)指標(biāo)在流型演化過程中的轉(zhuǎn)變，實(shí)現(xiàn)對雙模態(tài)信息的融合，指示流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

一種基于小波多分辨率雙層網(wǎng)絡(luò)的兩相流多源信息融合法的應(yīng)用，采用由循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器組成的循環(huán)激勵(lì)雙模態(tài)傳感器進(jìn)行垂直油水兩相流實(shí)驗(yàn)；固定油相和水相的配比，改變油相和水相的流量進(jìn)行實(shí)驗(yàn)；實(shí)驗(yàn)過程包括如下步驟：

1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然后逐漸向管道中通入油相，當(dāng)油水兩相充分融合并逐漸穩(wěn)定后，采用循環(huán)激勵(lì)電導(dǎo)傳感器和循環(huán)激勵(lì)電容傳感器分別測量多通道的信號，并用高速攝像儀記錄流型；

2)一次采集結(jié)束后，改變油相和水相的流量，按步驟1)過程繼續(xù)采集，直至在固定的配比下所設(shè)計(jì)的工況都完成；

3)再改變油相和水相的配比，重復(fù)步驟1)至步驟2)的過程完成這一輪的測量，直至設(shè)計(jì)的所有工況全部測量完成；

4)基于得到的多通道測量信號，對于循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器分別建立不同分辨率下的小波系數(shù)復(fù)雜網(wǎng)絡(luò)，對于兩層網(wǎng)絡(luò)得到一個(gè)小波多分辨率聚合網(wǎng)絡(luò)；

5)計(jì)算圖能量和聚集系數(shù)熵值，分別繪制包含有流型信息的不同工況下圖能量、聚集系數(shù)熵隨著分辨率變化的關(guān)系圖，刻畫在不同流型的演化過程中的內(nèi)在動力學(xué)機(jī)制；

6)對于兩層網(wǎng)絡(luò)構(gòu)建小波雙層復(fù)雜網(wǎng)絡(luò)，計(jì)算每一層網(wǎng)絡(luò)的節(jié)點(diǎn)聚集系數(shù)均值、節(jié)點(diǎn)度均值、節(jié)點(diǎn)特征向量中心性均值，分別繪制包含有流型信息的節(jié)點(diǎn)聚集系數(shù)均值、節(jié)點(diǎn)度均值、節(jié)點(diǎn)特征向量中心性均值3個(gè)指標(biāo)與分辨率變化的關(guān)系圖，用以研究在流型演化過程中，復(fù)雜流動結(jié)構(gòu)的變化和內(nèi)在動力學(xué)機(jī)制。

本發(fā)明的基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的多源信息融合法及應(yīng)用，通過對由循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器組成的循環(huán)激勵(lì)雙模態(tài)傳感器得到的多通道數(shù)據(jù)采用小波變換的思想建立小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的方法進(jìn)行多源信息融合，提取能夠指示流型生成與演化的雙層復(fù)雜網(wǎng)絡(luò)指標(biāo)，實(shí)現(xiàn)對復(fù)雜流動結(jié)構(gòu)的辨識，刻畫流型演化中的內(nèi)在動力學(xué)機(jī)制。具有如下有益效果：

(1)提出了一種基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的油水兩相流多源信息融合方法；

(2)該方法能夠刻畫在油水兩相流流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

附圖說明

圖1是本發(fā)明基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的多源信息融合法的分析示意圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例和附圖對本發(fā)明的基于小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)的多源信息融合法及應(yīng)用做出詳細(xì)說明。

本發(fā)明的基于小波多分辨率雙層網(wǎng)絡(luò)的兩相流多源信息融合法，提出一種小波多分辨率雙層復(fù)雜網(wǎng)絡(luò)建網(wǎng)方法，通過對循環(huán)激勵(lì)雙模態(tài)傳感器得到的多通道數(shù)據(jù)采用小波變換的思想建立雙層復(fù)雜網(wǎng)絡(luò)的方法進(jìn)行多源信息融合，提取雙層復(fù)雜網(wǎng)絡(luò)指標(biāo)刻畫在流型演化過程中，內(nèi)在動力學(xué)機(jī)制。

本發(fā)明的基于小波多分辨率雙層網(wǎng)絡(luò)的兩相流多源信息融合法，包括如下步驟：

1)對通過由循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器組成的循環(huán)激勵(lì)雙模態(tài)傳感器得到的多通道時(shí)間序列分別構(gòu)建小波系數(shù)復(fù)雜網(wǎng)絡(luò)；包括：

(1)獲取通過循環(huán)激勵(lì)雙模態(tài)傳感器得到的包含有兩相流流體局部流動信息的S組長度均為L的多通道時(shí)間序列

(2)對于每一通道的時(shí)間序列，進(jìn)行6個(gè)分辨率的小波變換，采用Daubechies2階小波(db2)對其進(jìn)行分解，分解層數(shù)為6層，即6個(gè)分辨率。每一個(gè)分辨率得到1個(gè)低頻系數(shù)子帶即近似系數(shù)和1個(gè)高頻系數(shù)子帶即細(xì)節(jié)系數(shù)，該時(shí)間序列分解后共得到6個(gè)低頻系數(shù)子帶和6個(gè)高頻系數(shù)子帶，求每一個(gè)低頻帶和每一個(gè)高頻帶的最大值x₁、最小值x₂、平均值x₃、標(biāo)準(zhǔn)偏差x₄、陡度函數(shù)x₅和峭度函數(shù)x₆；這樣對于每一個(gè)分辨率來說，低頻帶和高頻帶的12個(gè)特征值組成一個(gè)特征向量

(3)對于多通道時(shí)間序列在每一個(gè)分辨率上，計(jì)算每兩通道時(shí)間序列的特征向量的歐氏距離d＝||X(m)-X(n)||m＝1,2,...,S n＝1,2,...,S,其中，|| ||表示計(jì)算歐式距離，X(m)表示通道m(xù)的特征向量，X(n)通道n的特征向量；將每一通道的信號作為復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)，以兩通道間的歐氏距離決定復(fù)雜網(wǎng)絡(luò)中兩節(jié)點(diǎn)的連邊；計(jì)算所有歐式距離的均值M_n和標(biāo)準(zhǔn)偏差σ，令系數(shù)q＝0.15，則可得到一個(gè)閾值R＝M_n+qσ，其中q＝0.15；如果兩通道的歐氏距離大于該閾值，則兩節(jié)點(diǎn)之間沒有連邊，反之，則兩節(jié)點(diǎn)之間有連邊；由此，在不同分辨率下分別構(gòu)建小波系數(shù)復(fù)雜網(wǎng)絡(luò)；這樣，對于一個(gè)多通道時(shí)間序列，共可得到6個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)。

2)構(gòu)建小波多分辨率aggregation network即小波多分辨率聚合網(wǎng)絡(luò)，并分別繪制包含有流型信息的圖能量和交叉聚集系數(shù)熵與分辨率的關(guān)系圖；包括：

(1)通過循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器分別得到一個(gè)多通道時(shí)間序列，對于每一個(gè)多通道時(shí)間序列分別在每一分辨率得到一個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)；

(2)考慮循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器在每個(gè)分辨率下分別構(gòu)建一個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)，所以每個(gè)分辨率下得到的兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)，將這兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)共有的連邊保留，節(jié)點(diǎn)數(shù)目不變，從而在每個(gè)分辨率下構(gòu)成一個(gè)小波多分辨率聚合網(wǎng)絡(luò)和它對應(yīng)的鄰接矩陣A；

(3)對所述的小波多分辨率聚合網(wǎng)絡(luò)，設(shè)定圖能量指標(biāo)E(A)：其中，λ_i表示每一個(gè)分辨率下新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)鄰接矩陣A的特征值，n表示的是特征值的數(shù)目；設(shè)定聚集系數(shù)熵指標(biāo)E_C：

其中，T_v表示的是一個(gè)新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)中包含有節(jié)點(diǎn)v的封閉三角形的數(shù)目，k_v表示的是新的小波系數(shù)復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)v的度，C(v)表示的是節(jié)點(diǎn)v的聚集系數(shù)；

(4)分別繪制包含有流型信息的圖能量和交叉聚集系數(shù)熵與分辨率的關(guān)系圖，通過研究這兩個(gè)指標(biāo)在流型演化過程中的轉(zhuǎn)變，用以辨識復(fù)雜流動結(jié)構(gòu)，指示流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

3)構(gòu)建小波雙層復(fù)雜網(wǎng)絡(luò)，并分別繪制包含有流型信息的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值、節(jié)點(diǎn)度的均值和節(jié)點(diǎn)特征向量中心性的均值與分辨率的關(guān)系圖，包括：

(1)對于步驟1)建的每個(gè)分辨率的兩個(gè)小波系數(shù)復(fù)雜網(wǎng)絡(luò)分別作為小波雙層復(fù)雜網(wǎng)絡(luò)的一層，從而得到小波雙層復(fù)雜網(wǎng)絡(luò)，所述小波雙層復(fù)雜網(wǎng)絡(luò)的鄰接矩陣表示為其中，α表示小波雙層復(fù)雜網(wǎng)絡(luò)的層數(shù)，若節(jié)點(diǎn)i和j在α層有連接，則鄰接矩陣中對應(yīng)的元素否則兩層網(wǎng)絡(luò)中的節(jié)點(diǎn)數(shù)目皆為S；

(2)小波雙層復(fù)雜網(wǎng)絡(luò)的任一層α中節(jié)點(diǎn)i的聚集系數(shù)

其中，α'表示小波雙層復(fù)雜網(wǎng)絡(luò)中不同于α層的另一層，和分別表示α層中節(jié)點(diǎn)i和節(jié)點(diǎn)j在鄰接矩陣中的元素值，α'層中節(jié)點(diǎn)j和m在鄰接矩陣中的元素值，α層中節(jié)點(diǎn)m和i在鄰接矩陣中的元素值；得到每一層中各節(jié)點(diǎn)的聚集系數(shù)，計(jì)算每層中節(jié)點(diǎn)聚集系數(shù)的均值C_α：

(3)計(jì)算小波雙層復(fù)雜網(wǎng)絡(luò)中的任一α層中的任意節(jié)點(diǎn)i的度其中，表示α層中節(jié)點(diǎn)i和j在鄰接矩陣中的元素值；得到每一層中每一個(gè)節(jié)點(diǎn)的度，計(jì)算每層中節(jié)點(diǎn)度的均值k_α：

(4)小波雙層復(fù)雜網(wǎng)絡(luò)的任一α層中節(jié)點(diǎn)i的特征向量中心性表示α層的鄰接矩陣A^[α]的主特征值對應(yīng)的特征向量的第i個(gè)元素值；得到每一層中每一個(gè)節(jié)點(diǎn)的特征向量中心性值，計(jì)算每層中節(jié)點(diǎn)特征向量中心性的均值E_α：

(5)分別繪制包含有流型信息的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α與分辨率的關(guān)系圖；循環(huán)激勵(lì)多電極電導(dǎo)傳感器對局部低含油率測量靈敏高，循環(huán)激勵(lì)多電極電容傳感器對局部高含油率測量靈敏度高，電導(dǎo)電容多源測量信息的有效融合實(shí)現(xiàn)互補(bǔ)式兩相流空間流動信息檢測，通過研究包含有流型信息每層網(wǎng)絡(luò)的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α與分辨率的關(guān)系圖，研究每層的每層網(wǎng)絡(luò)中的節(jié)點(diǎn)聚集系數(shù)的均值C_α、節(jié)點(diǎn)度的均值k_α和節(jié)點(diǎn)特征向量中心性的均值E_α三個(gè)指標(biāo)在流型演化過程中的轉(zhuǎn)變，實(shí)現(xiàn)對雙模態(tài)信息的融合，指示流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

本發(fā)明的基于小波多分辨率雙層網(wǎng)絡(luò)的兩相流多源信息融合法的應(yīng)用，采用由循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器組成的循環(huán)激勵(lì)雙模態(tài)傳感器進(jìn)行垂直油水兩相流實(shí)驗(yàn)；固定油相和水相的配比，改變油相和水相的流量進(jìn)行實(shí)驗(yàn)；每個(gè)傳感器都由16個(gè)電極組成，每次測量中，其中一個(gè)電極作為激勵(lì)端，一個(gè)電極接地，其余14個(gè)電極接收，一次循環(huán)可測量得到16×14＝224通道的信號。由于電極循環(huán)激勵(lì)速度相對于流體流動的速度來說非?？?，所以可以等效為這224通道的信號是同時(shí)測量的，由此可有效捕捉豐富的局部流動信息。實(shí)驗(yàn)過程包括如下步驟：

1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然后逐漸向管道中通入油相，當(dāng)油水兩相充分融合并逐漸穩(wěn)定后，采用循環(huán)激勵(lì)電導(dǎo)傳感器和循環(huán)激勵(lì)電容傳感器分別測量多通道的信號，并用高速攝像儀記錄流型；

2)一次采集結(jié)束后，改變油相和水相的流量，按步驟1)過程繼續(xù)采集，直至在固定的配比下所設(shè)計(jì)的工況都完成；

3)再改變油相和水相的配比，重復(fù)步驟1)至步驟2)的過程完成這一輪的測量，直至設(shè)計(jì)的所有工況全部測量完成；

4)基于得到的多通道測量信號，對于循環(huán)激勵(lì)多電極電導(dǎo)傳感器和循環(huán)激勵(lì)多電極電容傳感器分別建立不同分辨率下的小波系數(shù)復(fù)雜網(wǎng)絡(luò)，對于兩層網(wǎng)絡(luò)得到一個(gè)小波多分辨率聚合網(wǎng)絡(luò)；

5)計(jì)算圖能量和聚集系數(shù)熵值，分別繪制包含有流型信息的不同工況下圖能量、聚集系數(shù)熵隨著分辨率變化的關(guān)系圖，刻畫在不同流型的演化過程中的內(nèi)在動力學(xué)機(jī)制；

6)對于兩層網(wǎng)絡(luò)構(gòu)建小波雙層復(fù)雜網(wǎng)絡(luò)，計(jì)算每一層網(wǎng)絡(luò)的節(jié)點(diǎn)聚集系數(shù)均值、節(jié)點(diǎn)度均值、節(jié)點(diǎn)特征向量中心性均值，分別繪制包含有流型信息的節(jié)點(diǎn)聚集系數(shù)均值、節(jié)點(diǎn)度均值、節(jié)點(diǎn)特征向量中心性均值3個(gè)指標(biāo)與分辨率變化的關(guān)系圖，用以研究在流型演化過程中，復(fù)雜流動結(jié)構(gòu)的變化和內(nèi)在動力學(xué)機(jī)制。

本發(fā)明通過對循環(huán)激勵(lì)雙模態(tài)傳感器得到的多通道數(shù)據(jù)采用小波變換的方法分別構(gòu)建不同分辨率下的小波多分辨率聚合網(wǎng)絡(luò)和小波雙層復(fù)雜網(wǎng)絡(luò)，分別在不同分辨率下計(jì)算復(fù)雜網(wǎng)絡(luò)各項(xiàng)指標(biāo)，繪制包含有流型信息的不同的復(fù)雜網(wǎng)絡(luò)指標(biāo)隨著分辨率變化的關(guān)系圖，用以研究在流型演化過程中的內(nèi)在動力學(xué)機(jī)制。

以上對本發(fā)明和實(shí)施例的描述，并不局限于此，實(shí)施例中的描述僅是本發(fā)明的實(shí)施方式之一，在不脫離本發(fā)明創(chuàng)造宗旨的情況下，任何不經(jīng)創(chuàng)造性的設(shè)計(jì)出與該技術(shù)方案類似的結(jié)構(gòu)或?qū)嵤├?，均屬本發(fā)明的保護(hù)范圍。