[發明專利]基于FA-LSSVM模型預測高含硫氣藏中硫溶解度的方法在審
| 申請號： | 202010533053.5 | 申請日： | 2020-06-12 |
| 公開（公告）號： | CN111681719A | 公開（公告）日： | 2020-09-18 |
| 發明（設計）人： | 卞小強;郭黎明 | 申請（專利權）人： | 西南石油大學 |
| 主分類號： | G16C20/70 | 分類號： | G16C20/70;G16C20/30;G06N20/10;G06N3/00;G06K9/62 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 610500 四*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 fa lssvm 模型 預測 高含硫氣藏中硫 溶解度 方法 | ||
1.基于FA-LSSVM模型預測高含硫氣藏中硫溶解度的方法，其特征在于，具體步驟如下：
步驟1：利用斯皮爾曼關聯法和灰色關聯法來確定建模所用的輸入變量和輸出變量；將實驗數據分為兩部分，預測數據占比30％、訓練數據占比70％；
步驟2：利用LSSVM算法建立高含硫天然氣中元素硫溶解度的預測模型；
步驟3：對原始數據進行歸一化處理，利用螢火蟲算法(FA)優化參數的數據、最小二乘支持向量機(LSSVM)預測模型訓練和測試的樣本數據；
步驟4：對FA算法以及LSSVM預測模型參數初始化設置：利用收集的硫溶解度數據，進行二進制編碼，產生初代種群，即初始LSSVM模型，然后訓練模型，通過FA算法優化獲得LSSVM預測模型參數，建立螢火蟲算法優化最小二乘支持向量機(FA-LSSVM)預測模型，對測試樣本進行硫溶解度預測；
步驟5：采用異常點檢測等理論對步驟4得到的預測結果與測試值分析對比，驗證預測值的正確性以及模型的適用范圍。
2.根據權利要求1所述的基于FA-LSSVM模型預測高含硫氣藏中硫溶解度的方法，其特征在于：在步驟1中，采用斯皮爾曼關聯法和灰色關聯法來確定建模所用的輸入變量和輸出變量。
3.根據權利要求1所述的基于FA-LSSVM模型預測高含硫氣藏中元素硫溶解度的方法，其特征在于，所述核函數為RBF核函數：
K(xi,x)＝exp(-‖x-xi‖2/2σ2)
式中，σ2為核函數寬度，反映了邊界封閉包含的半徑。
4.根據權利要求1所述的基于FA-LSSVM模型預測高含硫氣藏中硫溶解度的方法，其特征在于：所述步驟5中，采用異常點檢測理論能檢驗預測值的正確性以及模型的適用范圍。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西南石油大學，未經西南石油大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010533053.5/1.html，轉載請聲明來源鉆瓜專利網。
