基于支持向量机的酸性天然气水合物生成条件预测

针对高含H2S、CO2天然气水合物生成条件预测准确性较低的问题,引入1种酸性气体(H2S+CO2)相对于CH4的贡献因子(σ),建立一种基于支持向量机(support vector machine,SVM)预测高含H2S、CO2天然气水合物生成条件的新模型。该模型以σ、CH4、H2S、CO2摩尔分数和水合物生成温度为输入变量,以水合物生成压力为输出变量。在SVM模型59个实验点训练的基础上,进行了20个数据点的水合物生成条件预测。最后,基于杠杆方法,开展了所有数据(79个)的异常点检测。结果表明:在n(H2S)=4.95%~26.62%、n(CO2)=6.81%~22.30%条件下,SVM模型预测的平均绝对相对偏差(average absolute relative deviation,AARD)为5.70%,且所有数据点均未出现异常值。从而为酸性天然气水合物生成条件的准确预测提供了1种行之有效的新方法。

Prediction of hydrate formation condition of sour natural gases by using support vector machine(SVM)