宫清君， 马贵阳， 潘 振， 刘培胜， 李存磊

(辽宁石油化工大学 石油与天然气工程学院，辽宁 抚顺 113001)

基于支持向量机-CV的天然气水合物生成预测

宫清君， 马贵阳， 潘 振， 刘培胜， 李存磊

(辽宁石油化工大学 石油与天然气工程学院，辽宁 抚顺 113001)

天然气水合物的生成过程是一个多组分、多物态的系统，存在着复杂的结晶成核过程，需要考虑压力、温度、促进剂、搅拌速度等因素的影响，不但涉及动力学问题还涉及热力学问题，对其生成很难进行精确预测。基于支持向量机理论，结合实验数据，建立支持向量机预测模型来进行天然气水合物生成时的相平衡压力预测，采用平均平方误差、平方相关系数,以及平方绝对百分比误差和平均绝对误差等四种误差公式对预测精度进行评估，结果分别为8.370 08×10-5、99.897 6%、0.542 4%、1.990 0%，还对源数据进行了归一化([1，2])预处理以及利用交叉验证方法对核参数g(4)和惩罚因子c(1.414 2)进行了优化。模拟结果显示，由支持向量机预测模型得到的相平衡压力与实际实验获得的相平衡压力基本一致，预测效果较理想，证明该模型具有较高的准确性和可靠性。

天然气水合物； 结晶； 成核； 热力学； 支持向量机； 交叉验证

目前，国内外学者对NGH的形成条件做了大量的研究，拥有比较完善的预测模型，如国外的van der Waals和Platteeuw建立了具有统计热力学基础的vdW-P水合物模型等，国内的陈光进和郭天明提出的Chen-Guo水合物模型[6]。BP神经网络模型预测天然气水合物生成，是采用以经验风险最小化(Empirical Risk Minimize, ERM)的传统统计学理论为基础，这样容易降低BP神经网络的稳定性，甚至出现局部过优情况，对于那些小样本数据易导致学习机器泛化能力下降[7]。……