在CCS系统的CO2管道运输过程中，由于传输距离较长且受到管道周围环境的影响，管道中的CO2不可避免的会发生相态的改变，产生气液两相CO2流。因此，本研究基于多传感器系统的测量方法，对水平管道内气液两相CO2进行流量测量。该多传感器测量系统包括CMF、差压(Differential-Pressure, DP)传感器和压力传感器等。根据实验过程中观察到的气液两相CO2的流动状态，将采集到的数据进行流型识别和数据分类。然后对每一种流型下的数据，以表观质量流量、表观密度、温度、压力和差压等参数作为输入，建立卷积神经网络（CNN）模型，对气液两相CO2流量进行预测。
数据标准化的提出是基于针对模型的评价不能只从单一方面进行，并且模型变量的输入也非单一的数据，每个指标的数据水平，重要程度都有所不同，所以要对其进行多指标综合的评价。而在进行多指标评价时由于评价指标的不同之处如果直接用原始的数值进行评价就会导致评价结果不准确，不可靠。同理在对获得的数据进行分析时，由于数据的类型，量纲不同，如果直接对数据进行处理也会大大增加我们搭建模型的难度，以及训练模型的难度，所以我对数据进行标准化处理。目前已有的标准化方法中常用的有，max—min标准化，将数据映射在区间[0,1]中，但是考虑到使用该方法时，如果新输入的数据中存在一个新的最大值或最小值，那么还需要对模型进行更新。本次实验采用的方法是Z-score 标准化，该方法具体原理如下：
对序列x1 、x2 ……xn 进行变换：
（3-1）
这里：
（3-2）
（3-3）
则新序列y1 、y2 ……yn 的均值为0，而方差为1，且无量纲。标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。
流型的定义是建立在人们主观的观察结果上的，不同的研究者对流型的定义也不同，目前还没有建立起统一的定义，因此我们采用普遍接受的流型划分。对管道内的流型产生影响的主要有以下几个因素:管道的截面形状、气液两相的流速及流量、管径、流体的物性、管道的加热状态和管道的倾角等。
在水平的截面为圆形的绝热管道中，由于流动的气、液两相介质存在密度差异，在重力的作用下，气相介质趋于在管道上部流动，液相则较多的分布在管道的底部，流型的分配呈现出不对称性。常见的水平圆管中的流型有分层流(Stratified )、波状流(Wavy )、弹状流(Plug)、塞状流(Slug )、环状流(Annular)、泡状流(Dispersed Bubble)和雾状流(Mist )。
分层流：当气、液两相的流速均较低时，两相得以完全分开，并且两相之间的分界面比较平滑，无较人扰动;
波状流：在分层流的基础上，随着气相流速的增大，气、液两相之间的剪切应力增大，使两相分界面变成凹凸不平的波浪状的形式;
弹状流：随着气相流速的进一步增大，波浪的高度增加，并时常与管道顶部接触，将在管道上部流动的气相分割成气弹，形成弹状流;
塞状流：当气相和液相的流速都一般时，带有气泡的液塞被拉长的气泡分隔开来，且拉长的气泡直径远小于管道直径:
环状流：随着气相流量的继续增大，气相需要更大的截面供其通过，管道中心部分被气相占据，液相形成液膜，贴着管壁流动;
泡状流：气相以分散的气泡存在于连续的液相中，且气泡主要汇集在管道上部，这种流型主要出现在含气量较少且流速较低时;
雾状流：当气相含量较高且流速很快时，液相以液滴的形式分散在连续的气相中，形成像雾一样的形态。
本文针对采集到的数据进行了R2决定系数、MSE(均方差、方差)、RMSE(均方根、标准差)、MAE平均绝对误差（Mean Absolute Error）、MAPE平均绝对百分比误差（Mean Absolute Percentage Error）五个特征的提取。来评估模型的优劣程度。
模型的建立需要充足且必要的变量，变量过少，建立的模型不准确，变量过多、冗余，会增加模型维度和复杂度。因此，模型建立前需要选择合适的变量，并剔除无关和冗余的变量。本实验涉及的多传感器测量系统总共有10个输出变量，通过分别计算这些变量与目标量即参考质量流量之间的相关系数，选择出需要的变量，相关系数计算值见表3-1。从表3-1中可以得出，由CMF得到的表观质量流量、表观密度和过程温度、管频率、时移、差压传感器得到的差压信号以及CMF之前的压力传感器p5得到的压力信号，它们与目标值的相关系数均大于0.5，因此被选择出来作为为CNN模型建立的输入变量。目标值为参考质量流量
表3-1 CNN模型变量选择
本章内容主要介绍了，搭建模型前期的准备工作，对数据进行分析，并对数据的标准化处理方法进行了介绍，介绍了水平管道内气液两相流的流型，确定模型的评估特征以及关于模型变量的选择。
