自然界广泛存在各种多相流流动，特别是在能源开采领域。多相流在流动过程中，各相介质互不相溶，流动参数实时变化，衍生出非常复杂的流动特性。对多相流复杂流动参数的测量极具科研和社会价值。高忠科教授团队针对石油、天然气等开采过程中井口参数测量困难的问题，自主研发设计了多种电导、阻抗等传感器测量系统，如图1所示。并以深度学习等前沿理论为基础，融合卷积神经网络和长短时记忆网络，构建了流动参数软测量模型，如图2所示，对流速、含率等流动参数可实现高精度测量，为油气井动态监测以及油气田节能增产开采提供重要参考信息。
图1 井口参数测量系统电路板
图2 流动参数软测量模型
