基于机器学习方法的天然气水合物稳定带厚度计算

• 作者: 吴时国 杨森 王吉亮 秦永鹏
• 来源期刊: 天然气地球科学
• 学科: 工学
• 关键词: 机器学习 天然气水合物 稳定带 支持向量机
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 非常规天然气
• 页码范围: 1679-1690
• 页数: 12页
• 分类号: TE132.2
• 语种: 中文
• DOI: 10.11764/j.issn.1672-1926.2018.08.003

摘要

随着互联网大数据发展,人工智能算法逐渐能自动学习数据特征和挖掘大数据隐藏的信息,且其预测结果具有极高的准确度和可靠性.机器学习是人工智能的核心算法,目前已应用于多个领域,在地球科学领域的应用也已兴起.天然气水合物稳定带是评估水合物资源潜力的关键参数,其准确性直接影响水合物勘探进程和结果.前人在计算水合物稳定带厚度时往往采用较为简单的模型,忽略气体组分、热导率等因素的影响,计算结果存在较大偏差.基于不同海水盐度和气体组分条件下的天然气水合物实验数据构建机器学习模型,利用机器学习算法预测天然气水合物的相平衡条件;进而结合南海北部的气体组分、热流、热导率等数据,计算得到南海北部水合物稳定带厚度.结果分析表明机器学习模型预测的水合物相平衡曲线与实验数据高度吻合,决定系数高达0.997.计算的南海北部水合物稳定带厚度与水合物钻井和地震资料揭示的结果基本一致.本研究提供了一个机器学习算法在水合物稳定带厚度估算中的应用实例,表明人工智能算法在未来天然气水合物资源预测和潜力评价中具有较大的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴时国	中国科学院深海科学与工程研究所海底资源与探测重点实验室	113	2225	26.0	43.0
2	杨森	中国科学院深海科学与工程研究所海底资源与探测重点实验室	15	163	6.0	12.0
6	王吉亮	中国科学院深海科学与工程研究所海底资源与探测重点实验室	8	25	2.0	5.0
7	秦永鹏	中国科学院深海科学与工程研究所海底资源与探测重点实验室	1	1	1.0	1.0