[發明專利]一種基于機器學習的天然氣水合物相平衡壓力預測方法

在審

• 申請號: 202011054541.4
• 申請日: 2020-09-29
• 公開（公告）號: CN114426894A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 陳旭東;張樂;賀甲元;王海波;楊麗紅;岑學齊;柴國興
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司石油勘探開發研究院
• 主分類號: C10L3/10
• 分類號: C10L3/10;G01N33/22;G06N20/00
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;雷月

1.一種基于機器學習的天然氣水合物相平衡壓力預測方法，包括以下步驟：

步驟1、獲取天然氣水合物相平衡條件下的實驗數據，并對數據進行相關性分析；

步驟2、構建機器學習模型，得到不同的機器學習方法；

步驟3、對不同的機器學習方法進行評估；

步驟4、根據不同的模型評估結果對水合物相平衡進行預測。

2.根據權利要求1所述的預測方法，其特征在于，步驟1中所述實驗數據包括壓力、溫度、C₁摩爾百分比、C₂摩爾百分比、C₃摩爾百分比、CO₂摩爾百分比、N₂摩爾百分比、NaCl重量百分比、KCl重量百分比和甲醇重量百分比。

3.根據權利要求1或2所述的預測方法，其特征在于，步驟1中所述相關性分析根據皮爾遜相關系數的計算公式進行計算，公式如式I所示：

其中，式I中，r(X,Y)代表協方差，X和Y代表隨機變量。

4.根據權利要求1-3中任意一項所述的預測方法，其特征在于，步驟2中所述構建機器學習模型的方法包括：數據集分類及編程實現模型。

5.根據權利要求1-4中任意一項所述的預測方法，其特征在于，步驟2中所述機器學習方法包括決策樹、線性回歸、k臨近算法、隨機森林、Gradient Boosting算法和Bagging算法。

6.根據權利要求5所述的預測方法，其特征在于，Gradient Boosting算法為損失函數越大，模型的錯誤率越高。

7.根據權利要求6所述的預測方法，其特征在于，所述損失函數的計算公式如式II所示：

L(f)＝∑L(y_i,f_m(x_i)) (式II)，

其中，L(f)代表損失函數，y_i代表實際壓力值。

8.根據權利要求1-7中任意一項所述的預測方法，其特征在于，步驟3中所述評估的方法包括：誤差平方和以及平均相對誤差。

9.根據權利要求8所述的預測方法，其特征在于，所述差平方和的計算公式如式III所示：

R²＝SSR/SST＝1-SSE/SST (式III)，

上式中，R²代表誤差平方和，SST代表總平方和，SSR代表回歸平方和，SSE代表殘差平方和，其中，SST＝SSR+SSE。

10.根據權利要求8所述的預測方法，其特征在于，所述平均相對誤差的計算公式如式IV所示：

其中，代表模型預測結果，y_i代表實際值，n代表樣本個數。