基于IAO-PNN模型的天然气水合物生成条件预测研究

• 作者: 梁龙贵 张龙 郭仕为 景玉平 梁挺 李姜超
• 来源期刊: 低碳化学与化工
• 学科: 工学
• 关键词: IAO-PNN模型 天然气 水合物 热力学模型 机器学习
• 年，卷（期）: 2024,（6）
• 页码范围: 175-181
• 页数: 7页
• 语种: 中文

摘要

为降低流动保障中水合物堵塞导致的问题，收集天然气水合物生成实验数据，构造了概率神经网络（PNN）模型。通过自适应权重和双曲正切函数，对天鹰（AO）算法进行改进，实现了平滑参数的优化，最终建立了基于IAO-PNN的水合物生成条件预测模型。通过与热力学模型及机器学习模型进行比较，验证了算法的优越性。结果表明，AO算法改进后（IAO），寻优精度和收敛速度明显优于AO、粒子群（PSO）和麻雀（SSA）等智能算法；IAO-PNN模型与实验数据的吻合性相对最高，适合二元体系、多元体系、酸性体系和醇盐体系中的水合物生成条件预测，且在高压环境下的预测效果良好；与热力学模型及机器学习模型相比，IAO-PNN模型在训练集上的均方根误差（RMSE）为0.6176、决定系数（R2）为0.9994，测试集上的RMSE为0.7624、R2为0.9991，表现出良好的泛化性能。通过现场验证，IAO-PNN模型适用性良好，可为现场解堵措施的制定提供参考。