第卷第期当代化工...
年月,
基于—的天然气
水合物生成条件预测模型建立
王飞,阿斯汉,王卫强,柴多
辽宁石油化工大学, 辽宁抚顺
摘要:在天然气管线内生成的水合物会严重影响天然气的开采、运输,因而天然气水合物的预测方法和
防治措施备受重视。针对天然气水合物生成条件,考虑天然气组分对水合物生成的影响,为简化计算、提高预
测精度,引入一种能够很好解决复杂物理问题的最小二乘支持向量机—,并且通过语言编程,
建立了一种包含浓度、浓度、浓度以及水合物生成温度为输入,水合物生成压强为输出的天然气水
合物生成条件预测模型,同时将实验数据作为最小二乘支持向量机训练数据并进行预测分析。结果表明,该预
测模型不仅拥有较高的预测精度,而且方法简单、可行,为天然气水合物生成条件预测提供了一种新的解决方
法。
关键词:天然气;水合物;生成条件;最乘支持向量机
中图分类号: 文献标识码: 文章编号: ———
,—, ,
,
:,
,
.,
,
—,
, ,
. . .
.
,
.
:; ; ;
天然气在运输的过程中当温度和压力达到一定性并且具有较好的推广性,但是网络模型必须
值的条件下水和天然气组分中的小分子气体会形成是在有大量训练样本的情况下才有效,在实际现场
一种冰雪状复合物也就是天然气水合物,而且水合数据和实验数据都为小样本的前提下会对预测精度
物的聚合累积会导致管道堵塞等不良后果,甚至事产生一定的负面影响。
故的发生Ⅲ。提高天然气水合物的预测精度,可以由等人提出了一种在解决小样本、非线
为防治水合物提供一定理论支持,从而可以更好地性问题方面具有优势的,并且数学理论严密的机
处理由水合物造成的不良后果。器学习算法支持向量机。近几年, 凭
传统的天然气水合物生成条件预测模型都是以借着其特有的优势和极强的泛化能力,已经成为了
—模型为基础,通过热力学和动力学规律建一种新的建模热点,而且在解决实际问题中得到
立起来的,虽然理论基础强,但却存在有计算复杂、了成功应用。在此基础上由等人改进并
推广性不好的缺点口。而目前所采用智能算法,例提出了一种新的支持向量机方法最乘支持向量
如基于网络的预测模型,虽然有解决了复杂机—”,其优势在于,将约束条件更改为
收稿日期: —
作者简介: 王飞,男,吉林长春人,硕士研究生,年毕业于辽宁石油化工大学油气储运工程专业,研究方向:管道输运技术研究。
: .。
化工年月
等式约束,并且将经验风险变为二次方,使用求解从式中能够看出,最小二乘支持向量机只需要
线性方程组的办法得出最优化结果,这样做不仅降函数参数盯以及正则化参数,不需要去选择不敏
低了复杂度,而且还加快了收敛精度和求解速度, 感损失函数的值,从而简化了计算。
特别是应用在非线性预测方面具有很大优势。为了能够提高—算法的效率及效果,需
综上,针对天然气水合物这一多组分、多相的要对训练数据和预测数据的输入量和输出量进行归
复杂系统,并且存在样本数据较少的情况,选择最一化处理:
小二乘支持向量机算法,来建立天然气水合物的预/
测模型。式中: 一数据最大值;
一数据最小值。
算法原理
天然气水合物预测模型建立
最小二乘支持向量机原理如下:
为了更好的验证上述算法的可靠性,所选仿真
设给定的训练样本数据为,∈,
平台为:.处理器,内存,操
为输入变量,∈,为输出变量,其中,
作系统上的软件平台,并如图
,⋯,,利用一个非线性映射将样本数据映射到
所示流程建立天然气水合物生成条件预测模型。
特征空间,则在特征空间中,—回归模型表
达式为:
生成机理
‘。。。。。。。’’。。。。。。。。。。。。。。。’’。’。。。。。。。。。。。。。。。‘一
式中:∞一特征空权向量;
∈置。
这样基于风险最小化原则去寻找参数和,
对于样本数据以外的输入变量, 则有
砂一,寻找参数和就等价于去求
最优解问题,则最小二乘支持向量的优化问题为:
,:∞。图天然气水合物预测模型建模流程图
.
..: ,⋯⋯
天然气水合物是天然气在管线内运输时,当温
式中: ∈/,,⋯⋯为误差松弛因子度和压强达到一定值的时候,天然气组份内的小分
变量;∈,通常为较小的值。子气体和水形成的,考虑到天然气组分对水合物生
将这一优化问题转化为其对偶空间中,采用拉成造成的影响,确定浓度、浓度、浓
格朗日法求解问题,定义函数为: 度、水合物生成时温度作为—输入变量,
,,,口去∞∞去
统计基础知识与统计实务 来自淘豆网m.daumloan.com转载请标明出处.
