Ин таҳқиқот ҷудо кардани ҷараёни дуфазаи газ-моеъ дар системаи хунуккунии бухоршавӣ ба синфҳои slug flow, unstable slug flow ва churn flow аз рӯи тасвирҳоро меомӯзад. Муҳаққиқон барои ҳар яке аз се синфи ҷараён 300 намуна, дар маҷмӯъ 900 намуна истифода бурдаанд; тензорҳои фазоиро, ки ба як кадри тасвир асос меёфтанд, бо тензорҳои фазоӣ-замонӣ муқоиса кардаанд, ки бо болои ҳам гузоштани панҷ кадри RGB-и аз фосилаҳои баробари вақт интихобшуда сохта шудаанд. Модели пурра, ки ResNet-18, SwinTransformer-B ва EfficientNet-B0-ро дар дохили системаи mixture of experts муттаҳид карда, баромадҳоро тавассути механизми диққати Mamba тибқи номгузории таҳқиқот мегузаронад, дар маҷмӯи тест ба дақиқии умумии шиносоии %83,9 расидааст. Бо вуҷуди ин, таҳқиқот аз баррасии ҳамтоён нагузаштааст; таносуби ҷудокунии омӯзиш-тест, суръати кадрҳои камера, гиперпараметрҳои омӯзиши модел, натиҷаҳои санҷиши мустақили беруна ва миёнаҳо бо арзишҳои номуайянии таҷрибаҳои такрорӣ гузориш нашудаанд.

Модели пурра нисбат ба модели SwinTransformer-B, ки танҳо як кадри тасвирро истифода мебарад ва %75,0 дақиқӣ дорад, 8,9 банди фоизӣ дақиқии бештар додааст. Муаллифон ин фарқро ҳамчун “%8,9 беҳбудӣ” ифода мекунанд; фарқи математикӣ байни ду арзиши дақиқии муқоисашуда, на афзоиши нисбии фоизӣ, балки 8,9 банди фоизӣ мебошад. Қавитарин натиҷаи синфии модели пурра дар churn flow бо %93,1 recall ба даст омадааст, дар ҳоле ки recall-и unstable slug flow дар %68,2 мондааст. Аз ин рӯ афзоиши дақиқии умумӣ ба ҳамаи синфҳои ҷараён баробар тақсим нашудааст.

Саволи асосии таҳқиқот чист?

Дар ҷараёни дуфазаи газ-моеъ шакл, тақсимот, пайвастагӣ ва ҳаракати замонии ҳубобҳои газ метавонанд ба муқовимати ҷараён ва интиқоли гармӣ мустақим таъсир расонанд. Масъалаи асосие, ки таҳқиқот баррасӣ мекунад, ин аст, ки усулҳои анъанавии шиносоии режими ҷараён аксаран намуди фазоии ҷараён ва таҳаввули замонии онро аз ҳам ҷудо арзёбӣ мекунанд.

Усулҳое, ки ба сигналҳои вақтӣ, ба монанди фишори дифференсиалӣ ё гузаронандагӣ асос меёбанд, метавонанд тағйирёбии замонии ҷараёнро пайгирӣ кунанд, аммо сохтори геометрии фазаҳои газ ва моеъро дар дохили қубур маҳдуд нишон медиҳанд. Усулҳои визуалӣ, ки ба як кадри тасвир асос меёбанд, метавонанд шакл ва матни ҳубобҳоро нишон диҳанд; аммо мустақиман истифода намекунанд, ки ду ҷараёни ба ҳам монанд баъд аз чанд кадр чӣ гуна аз ҳам фарқ мекунанд.

Ин фарқ махсусан байни slug flow ва unstable slug flow муҳим аст. Unstable slug flow ҳамчун марҳилаи гузариш аз slug flow-и мунтазам ба режимҳои дигар таъриф шудааст. Дар як кадри ягонаи тасвир матнҳои ин ду синф метавонанд хеле монанд бошанд. Гипотезаи асосии таҳқиқот ин аст, ки муттаҳид кардани чанд кадр дар як тензор ба модел имкон медиҳад на танҳо ба саволи “ҷараён ҳоло чӣ гуна менамояд?”, балки ба саволи “ҷараён дар як фосилаи кӯтоҳи вақт чӣ гуна тағйир меёбад?” низ ҷавоб диҳад.

Дастгоҳи таҷрибавӣ чӣ гуна сохта шудааст?

Намунаҳо аз дастгоҳи физикии таҷрибавӣ гирифта шудаанд, ки аз системаи хунуккунии бухоршавии худгардиш ва системаи ҷамъоварии тасвир иборат аст. Ҷузъҳои асосии даври хунуккунӣ инҳоянд:

• Гармкунак,
• Қубури амудии баромади газ,
• Конденсатор,
• Қубури бозгашти моеъ,
• Панели равшанидиҳӣ,
• Камераи тасвиргирӣ.

Камераи дохилии гармкунак пурра ба моеъи хунуккунанда ғӯтонда шудааст. Вақте моеъ аз гармкунак энергия мегирад, қисман бухор шуда омехтаи газ-моеъ ба вуҷуд меорад. Фарқи зичӣ боис мешавад омехта дар қубури амудии баромади газ ба боло ҳаракат кунад. Фазаи газ дар конденсатор гармиро дода, дубора ба моеъ табдил меёбад ва таҳти таъсири ҷозиба тавассути қубури бозгашти моеъ ба гармкунак бармегардад.

Баландии амудӣ байни нуқтаи болоии қисми баромади газ ва поёни гармкунак ҳамчун H = 110 cm дода шудааст. Дар таҷриба сатҳҳои гуногуни ибтидоии моеъ истифода шудаанд:

• h₁ = 100 cm,
• h₂ = 75 cm,
• h₃ = 45 cm,
• h₄ = 20 cm.

Бо якҷо кардани сатҳҳои гуногуни ибтидоӣ ва бори гуногуни гармӣ, дар қубури баромади газ режимҳои гуногуни ҷараён ба вуҷуд оварда шудаанд. Дар Шакли 2 меҳвари уфуқӣ бори гармии татбиқшударо бо ватт ва меҳвари амудӣ синфи ҷараёни мушоҳидашударо нишон медиҳад. Графикҳо нишон медиҳанд, ки режими ҷараён на танҳо ба бори гармӣ, балки ба диаметри қубур ва сатҳи ибтидоии моеъ низ вобаста аст. Бо зиёд шудани бори гармӣ, дар бисёр нуқтаҳои корӣ аз slug flow-и мунтазам ба unstable slug flow ва дар баъзе шароит ба churn flow гузариш дида мешавад; аммо ҳадҳои гузариш барои ҳар сатҳи моеъ ва диаметри қубур яксон нестанд.

Чаро шароити тасвиргирӣ муҳим аст?

Муҳаққиқон тарҳҳои рӯшноидиҳии аз пеш, аз паҳлӯ ва аз қафоро муқоиса кардаанд. Дар рӯшноидиҳии аз пеш сояҳои ҳубобҳо болои худи ҳубобҳо меафтанд ва контрасти газ-моеъ заиф мешавад; дар рӯшноидиҳии паҳлӯ сояҳо нисбат ба самти камера бо кунҷ ба вуҷуд меоянд. Азбаски рӯшноидиҳии аз қафо интерфейси газ-моеъро равшантар мекунад, дар таҷриба ҳамин тарҳ интихоб шудааст.

Диаметрҳои дохилии қубурҳои шаффоф 8 mm ва 16 mm муайян шудаанд. Тасвирҳо аз бахши мушоҳидаи интихобшуда дар қубури амудии баромади газ гирифта шудаанд. PDF дастгоҳро ҳамчун “ordinary camera”, яъне камераи стандартӣ тавсиф мекунад; бренд, модел, ҳалли тасвир, вақти экспозитсия ва шумораи кадр дар як сония дода нашудааст. Ин камбудӣ муайян карданро ғайриимкон мекунад, ки панҷ кадри интихобшуда дар тензори замонӣ дар воқеият чанд сонияи фосилаи физикиро намояндагӣ мекунанд.

Се режими ҷараён дар тасвирҳо чӣ гуна фарқ мекунанд?

Дар Шакли 3 кадрҳои пайдарпайи тасвир барои ҳар синфи ҷараён нишон дода шудаанд. Дар тасвирҳои slug flow минтақаҳои дарозшудаи газӣ бо сарҳадҳои намоён дида мешаванд. Дар unstable slug flow ин минтақаҳо ба шикастан ва тағйири шакл оғоз мекунанд. Дар тасвирҳои churn flow бошад, ба ҷои slug-и газии пайваста ва мунтазам, матни омехтаи зичтар, номуназзам ва зудтағйирёбанда мавҷуд аст.

Як кадри ягона на ҳамеша фарқи slug flow ва unstable slug flow-ро равшан нишон медиҳад. Сабаби асосии истифодаи панҷ кадр дар таҳқиқот ин аст, ки шикастани сарҳадҳо ва суст шудани даврият бо мурури вақт ба модел интиқол дода шавад.

Тензори вурудии фазоӣ-замонӣ чӣ гуна сохта шудааст?

Барои ҳар режими ҷараён 300 намуна, дар маҷмӯъ 900 намуна ҷамъоварӣ шудааст. Ҳар намуна аз 30 кадри пайдарпайи тасвир иборат аст. Муҳаққиқон ду схемаи гуногуни вуруд омода кардаанд:

Як тасвири RGB се канали ранг дорад. Болои ҳам гузоштани панҷ кадри RGB шумораи каналҳоро ба 5 × 3 = 15 мерасонад. Ҳамин тавр модел дар дохили як намуна иттилооти тасвирии панҷ лаҳзаи гуногуни вақтро якҷо коркард мекунад.

Таҳқиқот нишон намедиҳад, ки аз пайдарпаии 30 кадр кадом панҷ индекси кадр интихоб шудаанд ё фосилаи физикии вақт байни кадрҳо чӣ қадар аст. Ифодаи “фосилаҳои баробари вақт” тарзи интихобро умумӣ шарҳ медиҳад, аммо барои бозтакрори пурраи усул ҷузъиёти кофӣ намедиҳад.

Иттилооти замонӣ дақиқии моделҳои классикиро чӣ гуна тағйир дод?

Тензори фазоии яккадрӣ ва тензори фазоӣ-замонии панҷкадрӣ дар моделҳои ResNet-18, SwinTransformer-B ва EfficientNet-B0 муқоиса шудаанд.

Дар ҳамаи се модел дақиқии умумӣ афзудааст. Баландтарин афзоиш дар SwinTransformer-B дида шуд; дақиқӣ аз %75,0 то %81,1 боло рафт. Бо вуҷуди ин, дақиқии умумӣ худ аз худ маънои беҳтар шудани ҳар як синфро надорад.

Матритсаҳои иштибоҳ кадом синфҳо бурданд ё бохтанд нишон медиҳанд?

Арзишҳои диагоналии матритсаҳои иштибоҳи аз рӯи сатр нормализатсияшуда таносуби дуруст шинохтани ҳар синфи воқеӣ, яъне recall-и синфро нишон медиҳанд.

Тензори панҷкадрӣ умуман ҷудо кардани slug flow ва unstable slug flow-ро беҳтар кардааст. Масалан, дар SwinTransformer-B recall-и slug flow аз %75,4 то %86,4 ва recall-и unstable slug flow аз %58,7 то %77,8 афзудааст.

Баръакс, recall-и churn flow дар ҳар се модел коҳиш ёфтааст:

• Дар ResNet-18 аз %93,4 то %83,6,
• Дар SwinTransformer-B аз %90,2 то %79,1,
• Дар EfficientNet-B0 аз %93,4 то %80,6 паст шудааст.

Муаллифон ин натиҷаро ҳамчун “фишурда шудани фазои хусусияти churn flow” ва “ҷобаҷогузории тақсимоти хусусиятҳо” тафсир мекунанд. Ба ибораи дигар, вақте иттилооти замонӣ сарҳади қарорро барои ҷудо кардани синфҳои ба ҳам монанди slug аз нав танзим мекунад, фазои намояндагие, ки ба churn flow-и визуалӣ фарқкунанда ҷудо шудааст, метавонад танг шавад. Ин механизм бузургии физикии мустақиман ченшуда нест; балки тафсири моделӣ аст, ки аз рафтори матритсаи иштибоҳ бароварда шудааст.

Модели mixture of experts чӣ гуна кор мекунад?

Дар синфбанди пешниҳодшуда се шабакаи нейронӣ ҳамчун “коршинос” истифода шудаанд:

• ResNet-18: Шабакаи конволютсионӣ, ки бо истифода аз пайвастҳои боқимонда ҳадаф дорад мушкилоти аз байн рафтан ё таркиши градиентро дар шабакаҳои амиқ кам кунад.
• SwinTransformer-B: Меъмории визуалии Transformer, ки бо сохтори self-attention-и равзанаҳои ҷобаҷошаванда робитаҳои дуртарро дар тасвир модел мекунад.
• EfficientNet-B0: Меъмории конволютсионӣ, ки амиқии шабака, паҳноӣ ва ҳалли тасвирро якҷо миқёс мекунад.

Ин моделҳо ба як вуруд бо принсипҳои гуногуни намояндагӣ муносибат мекунанд. Системаи mixture of experts (mixture of experts, MoE) ба ҷои миёнагирии якхелаи баромадҳои коршиносон, онҳоро барои ҳар намуна тавассути шабакаи gating вазн мекунад. Ҳадаф ин аст, ки барои намунаи мушаххаси ҷараён кадом коршинос муфидтар аст, ба таври динамикӣ муайян карда шавад.

Дар Шакли 6, B₁, B₂ ва B_n моделҳои асосӣ; V₁, V₂ ва V_n хусусиятҳои аз ин моделҳо гирифташуда; G шабакаи gating; V хусусияти муттаҳиди вазндор; ATT бошад қисми коркарди бар Mamba асосёфтаро нишон медиҳанд.

Меъмории шабакаи gating чӣ гуна аст?

Дар Шакли 7 шабакаи gating бо тартиби зерин нишон дода шудааст:

1. Тензори вуруд: (900, 15, 224, 224),
2. 3 × 3 Conv1, табдили канал 15 → 6 ва 2 × 2 MaxPool,
3. 3 × 3 Conv2, табдили канал 6 → 16 ва 2 × 2 MaxPool,
4. 3 × 3 Conv3, табдили канал 16 → 32 ва 2 × 2 MaxPool,
5. Adaptive average pooling, ки дар шакл ба сурати “(32,32), 1 × 1” нишон дода шудааст,
6. Flatten,
7. Қабати fully connected 32 → 120 ва ReLU,
8. Қабати fully connected 120 → 3 ва ReLU,
9. Баромади Softmax, ки барои се коршинос вазн тавлид мекунад.

Дар схема навиштани 900 намунаи тамоми маҷмӯи маълумот ҳамчун андозаи аввал ва нишон додани баъзе андозаҳои мобайнӣ ба шакли “(32,32)” бо нишондиҳии стандартии mini-batch пурра шарҳ дода нашудааст. Вазифаи умумии шабака фаҳмо аст, аммо барои бозтавлиди сатҳи код андозаҳои баромади қабатҳо ва тарзи истифодаи batch бояд алоҳида шарҳ дода шаванд.

Механизми бар Mamba асосёфта кадом амалиётҳои математикиро истифода мебарад?

“Механизми диққати Mamba” тибқи номгузории таҳқиқот хусусиятҳои муттаҳидшударо тавассути модели интихобии фазои ҳолат аз нав коркард мекунад. Вуруд чунин таъриф мешавад:

\[ X \in \mathbb{R}^{B_{\mathrm{batch}} \times L \times d} \]

Дар ин ҷо:

• B_batch андозаи mini-batch,
• L дарозии пайдарпаӣ,
• d андозаи хусусият аст.

PDF рамзи B-ро, ки барои андозаи batch истифода мекунад, ҳамзамон барои матритсаи проексияи вуруд низ истифода мебарад. Барои пешгирӣ аз омехтагӣ, андозаи batch дар ин ҷо ҳамчун B_batch нишон дода шудааст; рамзҳои матритса дар формулаи аслӣ тағйир дода нашудаанд.

Параметрҳои динамикӣ тавассути табдилҳои хаттӣ тавлид мешаванд:

\[ \begin{cases} \Delta = W_{\Delta}X \\ \mathbf{B} = W_{B}X \\ \mathbf{C} = W_{C}X \end{cases} \]

• Δ параметри танзими қадами вақт аст, ки муайян мекунад ҳолат бо чӣ суръат нав мешавад.
• B проексияи вуруд аст, ки муайян мекунад вуруди ҷорӣ то чӣ андоза ба ҳолати пинҳонӣ интиқол меёбад.
• C проексияи баромад аст, ки муайян мекунад кадом хусусиятҳо аз ҳолати пинҳонӣ ба баромад интиқол меёбанд.
• W_Δ, W_B ва W_C матритсаҳои вазни омӯзишшаванда мебошанд.

Матн мегӯяд, ки арзиши Δ бо истифода аз функсияи sigmoid ба арзишҳои мусбат маҳдуд карда мешавад; аммо амали sigmoid дар шакли хаттии Муодилаи 1 возеҳ нишон дода нашудааст. Аз ин рӯ табдили воқеии татбиқшуда бояд бо код ё шарҳи иловагии усул тасдиқ карда шавад.

Дар ҳуҷҷат андозаи Δ ҳамчун [ B_{\mathrm{batch}} \times L \times d ], андозаи проексияи вуруд B ҳамчун [ B_{\mathrm{batch}} \times L \times n ] ва андозаи W_B ҳамчун [ d \times d ] дода шудааст. Агар андозаи ҳолати пинҳонӣ n ва андозаи хусусият d баробар набошанд, шарҳ дода нашудааст, ки табдили W_B чӣ гуна андозаи n-ро тавлид мекунад. Ин низ номуайянии андозагирӣ дар нотацияи формула аст.

Шакли дискретикунонидашудаи муодилаи фазои ҳолат чунин дода шудааст:

\[ \begin{cases} \widetilde{A}_{t} = e^{\Delta_{t}A} \\ \widetilde{B}_{t} = (\Delta_{t}A)^{-1}(e^{\Delta_{t}A}-I)\cdot\Delta_{t}B_{t} \\ h_{t} = \widetilde{A}_{t}h_{t-1}+\widetilde{B}_{t}x_{t} \\ y_{t} = C_{t}h_{t} \end{cases} \]

• A матритсаи ҳолати омӯзишшаванда буда, андозаи [ n × n ] дорад.
• h_t ҳолати пинҳонии n-ченака дар лаҳзаи t аст.
• x_t вектори вуруди d-ченака дар лаҳзаи t аст.
• Ã_t ва B̃_t ҳамтоҳои дискретии вобаста ба вақти системаи пайвастаи фазои ҳолат мебошанд.
• I матритсаи воҳидӣ аст.

Мувофиқи таҳқиқот, арзиши калони Δ_t боиси тезтар коҳиш ёфтани e^ΔtA ва тезтар фаромӯш шудани иттилооти гузашта мегардад; арзиши хурди Δ_t бошад вобастагиҳои дарозмуддатро бештар нигоҳ медорад. Қадами вақт дар ин ҷо ҳамчун давомнокии бо сония ченшуда дар таҷриба дода нашудааст; он параметри омӯзишшавандаи навсозии пайдарпаӣ дар дохили шабака мебошад.

Барои муттаҳид кардани баромади фазои ҳолат, ки иттилооти гузаштаро мебарад, бо вуруди ҷорӣ, пайвасти skip истифода мешавад:

\[ y_{t} = C_{t}h_{t}+Dx_{t} \]

Дар ин формула C_th_t хусусияти аз ҳолати гузашта рамзшударо ва Dx_t роҳи skip-ро ифода мекунад, ки вуруди ҷориро мустақим таъкид мекунад. Матритсаи омӯзишшавандаи D саҳми нисбии ду ҷузъро танзим мекунад.

Пас аз қабати Mamba пайвасти боқимонда, LayerNorm ва шабакаи feed-forward истифода шудаанд. Пайвасти боқимонда барои ҷараёни градиент ва ҳифзи иттилоот, LayerNorm барои мувозинати миқёси хусусиятҳо ва шабакаи feed-forward барои илова кардани таъсири ғайрихаттии хусусиятҳо ба амалиётҳои хаттии фазои ҳолат пешбинӣ шудааст.

Таҷрибаҳои ablation нишон медиҳанд, ки ҳар ҷузъ чӣ қадар саҳм гузоштааст?

Дақиқии миёнаи се синфбанди классикӣ, ки тензори фазоӣ-замониро истифода мебаранд, %79,8 аст. Model-3 аз ин миёна 4,1 банди фоизӣ баландтар аст.

Дар Model-1, қисман мувозинат шудани тамоюлҳои гуногуни коршиносон recall-и churn flow-ро ба сатҳе болотар аз аксари коршиносони инфиродӣ расонидааст. Дар Model-2, шабакаи gating баромадҳои коршиносонро вобаста ба намуна вазн карда, дақиқии умумиро аз %81,7 то %82,8 афзоиш додааст.

Дар Model-3, иваз кардани қисми бар Transformer асосёфта бо Mamba дақиқии умумиро ба %83,9 ва recall-и churn flow-ро ба %93,1 расонидааст. Баръакс, recall-и slug flow дар %84,4 бетағйир монда, recall-и unstable slug flow аз %71,4 то %68,2 коҳиш ёфтааст.

Ин натиҷа нишон медиҳад, ки ҷузъи Mamba ҳамаи синфҳоро ҳамзамон беҳтар намекунад. Гарчанде дар бахши натиҷаҳо гуфта мешавад, ки Mamba вобастагиҳои муваққатии муҳими ҳолатҳои гузаришро мегирад, фоидаи намоён дар маълумоти ablation-и синфӣ асосан дар churn flow ҷамъ шудааст. Unstable slug flow дар модели пурраи таҳқиқот синфи дорои пасттарин recall боқӣ мондааст.

Таҳқиқот кадом натиҷаҳоро дастгирӣ мекунад?

• Дар ин маҷмӯи маълумоти таҷрибавӣ истифодаи панҷ кадри тасвир якҷоя, дақиқии умумии ҳар се модели классикиро нисбат ба вуруди яккадрӣ зиёд кардааст.
• Иттилооти замонӣ махсусан дар модели SwinTransformer-B ҷудо кардани slug flow ва unstable slug flow-ро, ки матни визуалии ба ҳам монанд доранд, ба таври назаррас беҳтар кардааст.
• Танҳо калон кардани андозаи вуруд ҳамаи синфҳоро баробар беҳтар накарда, recall-и churn flow-ро паст кардааст.
• Вазн кардани коршиносони гуногун бо шабакаи gating имкон додааст, ки аз қувваҳои инфиродии коршиносон мутавозинтар истифода шавад.
• Модели пурраи бар Mamba асосёфта дар ин маҷмӯи маълумот баландтарин дақиқии умумӣ ва баландтарин recall-и churn flow-ро тавлид кардааст.

Таҳқиқот чиро исбот намекунад?

• Нишон намедиҳад, ки модел дар дигар моеъҳои хунуккунанда, геометрияҳои дигари қубур ё лабораторияҳои дигар ба ҳамон дақиқӣ мерасад.
• Татбиқи воқеии вақти воқеӣ дар иншооти саноатӣ ё ҳастаӣ анҷом дода нашудааст.
• Таъхири модел, талаботи хотира, истеъмоли энергия ё шумораи кадрҳои коркардшаванда дар як сония гузориш нашудааст.
• Режимҳои дигар, ба монанди bubbly, annular, stratified ё mist flow берун аз се синф озмуда нашудаанд.
• Тасдиқи умумият бо маҷмӯи маълумоти мустақили беруна гузаронида нашудааст.
• Устуворӣ нисбат ба сифати тасвир, тағйири рӯшноӣ, кунҷи камера, ифлосшавии қубур ё садои тасвир арзёбӣ нашудааст.
• Барои фарқҳои дақиқии гузоришшуда интервали эътимод, инҳирофи стандартӣ, p-value ё таҳлили дигари аҳамияти оморӣ пешниҳод нашудааст.
• Дақиқии баланди синфбандӣ мустақиман маънои самаранокии баландтари хунуккунӣ, истеъмоли камтари энергия ё бехатарии иншоотро надорад.

Ҷиҳатҳои қавӣ ва маҳдудиятҳои асосии таҳқиқот кадомҳоянд?

Ҷиҳатҳои қавии таҳқиқот инҳоянд: ҷамъоварии тасвирҳо аз дастгоҳи физикии хунуккунии бухоршавӣ, муқоисаи вуруди яккадрӣ ва бисёркадрӣ дар ҳамон моделҳои асосӣ, пешниҳоди матритсаҳои иштибоҳи сатҳи синф ва ҷудо кардани саҳми MoE ва Mamba тавассути таҷрибаҳои ablation. Нишон додани recall-и ҳар режими ҷараён дар баробари дақиқии умумӣ фоида ва коҳишҳои ҳар синфро намоён мекунад.

Маҳдудиятҳои асосӣ чунинанд:

• Таҳқиқот preprint буда, аз баррасии ҳамтоён нагузаштааст.
• Нишон дода нашудааст, ки 900 намуна ба маҷмӯаҳои омӯзиш ва тест бо кадом таносуб ҷудо шудаанд.
• Шарҳ дода нашудааст, ки намунаҳое, ки аз ҳамон шароити таҷрибавӣ ё ҳамон пайдарпаии 30-кадрӣ гирифта шудаанд, байни омӯзиш ва тест чӣ гуна ҷудо шудаанд. Аз ин рӯ хавфи data leakage дар сатҳи шароит ё пайдарпаӣ арзёбӣ карда намешавад.
• Гуфта шудааст, ки тақсимоти тасодуфии омӯзиш-тест чанд маротиба такрор шудааст, аммо шумораи такрорҳо, дақиқии миёна, инҳирофи стандартӣ ва интервали эътимод дода нашудаанд. Возеҳ гуфта шудааст, ки натиҷаҳои мақола аз “як иҷрои намояндагӣ” гирифта шудаанд.
• Модели камера, суръати кадр, экспозитсия, вақти гирифтани тасвир ва фосилаи замонии панҷ кадр дода нашудаанд.
• Алгоритми оптимизатсия, learning rate, шумораи epoch, batch size, loss function, усули data augmentation, меъёри early stopping ва маълумоти сахтафзор дода нашудаанд.
• Танҳо се режими ҷараён, ду диаметри қубур ва як платформаи таҷрибавӣ омӯхта шудаанд.
• Дар PDF байни арзишҳои ниҳоии ablation ва баъзе саҳифаҳои графикии мобайнии иловагӣ номувофиқӣ вуҷуд дорад.
• Амали sigmoid ва баъзе андозаҳои матритса дар нотацияи формула пурра шарҳ дода нашудаанд.

Таҳқиқот аз нигоҳи гузашта, имрӯз ва оянда чӣ маъно дорад?

Таҳқиқоти шиносоии режими ҷараён дар гузашта ба намудҳои гуногуни сигналҳо, аз ҷумла тағйирёбии фишор, гузаронандагӣ, таҳлили хаос, табдили wavelet, entropy ва матни тасвир такя мекард. Ин таҳқиқот ба ҷои мустақим ҳал кардани фарқи байни сигнали вақтӣ ва таҳлили тасвир, муттаҳид кардани тасвирҳои пайдарпайро дар як тензори бисёрканалӣ пешниҳод мекунад.

Саҳми имрӯзаи он нишон додани он аст, ки танҳо зиёд шудани дақиқии умумӣ аз ҳисоби иттилооти замонӣ кофӣ нест. Вуруди панҷкадрӣ ҳангоми ҷудо кардани ду синфи осон омехташаванда метавонад намояндагии синфи визуалӣ фарқкунандаро суст кунад. Аз ин рӯ пешниҳод мешавад, ки муттаҳидсозӣ дар сатҳи вуруд ва тақсимоти манбаъҳо дар сатҳи синфбанд якҷо тарҳрезӣ шаванд.

Дар оянда бояд режимҳои бештари ҷараён, моеъҳои гуногун, диаметрҳои гуногуни қубур ва дастгоҳҳои мустақили таҷрибавӣ истифода шаванд. Ҳамчунин кори вақти воқеии модел, арзиши ҳисоббарорӣ, устуворӣ ба рӯшноиҳои гуногун ва қобилияти умумият байни шароити таҷрибавӣ арзёбӣ карда шавад. Натиҷаҳои кунунии таҳқиқот равиши умедбахши синфбандии лабораториро пешниҳод мекунанд; системаи назорат ё бехатарии дар миқёси саноатӣ тасдиқшударо пешниҳод намекунанд.

Усул ва бозёфтҳои таҳқиқот

Хулосаи техникии усул

Бозёфтҳои асосии рақамӣ

Паёми илмии шаклҳо ва ҷадвалҳо

• Шакли 1: Ҷойгиршавии физикии гармкунак, қубури баромади газ, конденсатор, қубури бозгашт, панели рӯшноӣ ва бахши мушоҳидаро нишон медиҳад.
• Шакли 2: Нишон медиҳад, ки синфи ҷараён бо тағйири бори гармӣ, сатҳи ибтидоии моеъ ва диаметри қубур чӣ гуна дигар мешавад.
• Шакли 3: Фарқҳои морфологӣ ва замонии се режими ҷараёнро дар тасвирҳои пайдарпай пешниҳод мекунад.
• Ҷадвали 1: Хусусиятҳои тавсифии slug, unstable slug ва churn flow-ро медиҳад.
• Ҷадвали 2: Сохтори тензорҳои яккадрӣ ва панҷкадриро муқоиса мекунад.
• Шакли 4: Нишон медиҳад, ки вуруди панҷкадрӣ дақиқии умумиро дар ҳар се синфбанди классикӣ зиёд кардааст.
• Шакли 5: Нишон медиҳад, ки иттилооти замонӣ синфҳои slug-ро беҳтар карда, recall-и churn flow-ро паст кардааст.
• Шакли 6: Меъмории умумиро аз моделҳои коршинос, шабакаи gating, муттаҳидсозии хусусият, қисми Mamba ва сарлавҳаи синфбандӣ нишон медиҳад.
• Шакли 7: Шабакаи конволютсионии gating-ро нишон медиҳад, ки барои се коршинос вазнҳои Softmax тавлид мекунад.
• Шакли 8: Тартиби қабати Mamba, пайвасти боқимонда, LayerNorm ва шабакаи feed-forward-ро нишон медиҳад.
• Ҷадвали 3 ва Шакли 9: Саҳми ҷудогонаи муттаҳидсозии мустақим, gating-и динамикӣ ва ҷузъи Mamba-ро ба дақиқии умумӣ ва recall-и синфҳо нишон медиҳанд.

Эзоҳи манбаъ ва усул

Номи аслии таҳқиқот: Research on Gas-Liquid Two-Phase Flow Pattern Identification Method Based on Spatio-Temporal Feature Fusion

Муаллифон ва тартиби онҳо: Jiaqi Rao; Bin Xiong

Ҳаммуаллифи аввал: Дар PDF иттилоот дар бораи саҳми баробар ё ҳаммуаллифии аввал вуҷуд надорад.

Муаллифи масъул: Bin Xiong

Пайвастагиҳои институтсионалӣ:

1. State Key Laboratory of High Density Electromagnetic Power and Systems, Institute of Electrical Engineering, Chinese Academy of Sciences, Haidian District, Beijing 100190, China
2. University of Chinese Academy of Sciences, Shijingshan District, Beijing 100049, China

Саҳми муаллифон: Jiaqi Rao вазифаҳои консептуализатсия, усул, нармафзор, таҳлили расмӣ, таҳқиқот, танзими маълумот, навиштани тарҳи аввал, визуализатсия ва тасдиқро ба ӯҳда дошт. Bin Xiong саҳмҳои маблағгузорӣ, бозбинӣ ва таҳрир, инчунин визуализатсияи дастгиркунандаро пешниҳод кард.

DOI: 10.2139/ssrn.6946753

Платформаи нашр ё preprint: SSRN

Маҷалла ё конфронс: Барои ин версия нашри маҷалла ё конфронси баррасишуда тасдиқ нашудааст.

Ношир ё хидмати аслии платформа: Таҳқиқот дар платформаи preprint-и SSRN ҷойгир аст; хидмати SSRN аз ҷониби Elsevier идора мешавад. Ношири маҷаллаи баррасишуда тасдиқ нашудааст.

Соли нашр: 2026

Навъи манбаъ: Мақолаи preprint-и таҳқиқотӣ, ки ҷамъоварии таҷрибавии маълумоти тасвирӣ ва синфбандии омӯзиши амиқро муттаҳид мекунад

Ҳолати баррасии ҳамтоён: Ин таҳқиқот preprint буда, аз баррасии ҳамтоён нагузаштааст.

Пайванди расмӣ:Саҳифаи таҳқиқоти SSRN

Маблағгузорӣ: Таҳқиқот дастгирии Бунёди миллии илмҳои табиии Чинро бо рақами 51677178 гузориш медиҳад. Муҳаққиқон инчунин ба бахши дахлдори Institute of Electrical Engineering, Chinese Academy of Sciences барои иншооти таҷрибавӣ ва дастгирии ҷамъоварии намунаҳо изҳори сипос кардаанд.

Ин мақолаи туркӣ бо баррасии матни асосӣ, формулаҳо, ҷадвалҳо, графикҳо ва схемаҳои PDF-и боршуда ва инчунин саҳифаҳои визуалии замимашуда омода шудааст. Берун аз PDF ягон бозёфти нави илмӣ, муваффақияти саҳроӣ, натиҷаи татбиқи саноатӣ ё даъвои иҷроиши вақти воқеӣ илова нашудааст.

Маҳдудиятҳои асосии таҳқиқот инҳоянд: набудани баррасии ҳамтоён, маҳдуд будан ба як платформаи таҷрибавӣ ва се синфи ҷараён, шарҳ дода нашудани таносуби омӯзиш-тест, набудани маълумоти камера ва суръати кадр, нопурра будани гиперпараметрҳои омӯзиш, набудани тасдиқи мустақили беруна, пешниҳоди таҷрибаҳои такрорӣ танҳо бо як иҷрои намояндагӣ ва гузориш нашудани номуайянии оморӣ барои натиҷаҳо.

Дар PDF байни дақиқиҳои ablation-и %81,7, %82,8 ва %83,9 дар Шакли ниҳоии 9 ва матни натиҷаҳо, ва арзишҳои %81,1, %81,7 ва %83,3, ки дар баъзе саҳифаҳои графикии мобайнии иловагӣ дида мешаванд, номувофиқӣ вуҷуд дорад. Дар ин мақола арзишҳои %81,7, %82,8 ва %83,9 истифода шудаанд, зеро онҳо бо матни асосӣ, шакли ниҳоӣ ва бахши натиҷаҳо мувофиқанд. Пеш аз нашр тавсия мешавад, ки ин фарқи рақамӣ тавассути муҳаққиқон ё сабтҳои ниҳоии таҷрибавӣ тасдиқ карда шавад.

Ин таҳқиқот preprint буда, аз баррасии ҳамтоён нагузаштааст; натиҷаҳо бояд бо дарназардошти ин маҳдудият хонда шаванд. Бозёфтҳо иҷроиши синфбандиро барои маълумоти мушаххаси тасвирие, ки дар дастгоҳи лабораторӣ ҷамъ шудаанд, нишон медиҳанд ва далели муваффақияти саноатии дар шароити воқеии саҳро тасдиқшударо пешниҳод намекунанд.