申请/专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院

申请日：2020-10-15

公开（公告）日：2024-06-21

公开（公告）号：CN114429800B

主分类号：G16C20/70

分类号：G16C20/70;G06N3/0499;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.05.20#实质审查的生效;2022.05.03#公开

摘要：本发明公开一种基于模型融合的甲烷水合物生成速率预测方法及系统。本发明在获取包含有多个由甲烷水合物生成速率及其影响因素构成的数据组的样本集的之后，至少采用两种数学建模算法，分别基于样本集建立相应的甲烷水合物生成速率预测子模型，并基于模型融合方法对建立的所有甲烷水合物生成速率预测子模型进行融合，得到甲烷水合物生成速率预测模型，最后基于甲烷水合物生成速率预测模型实现对甲烷水合物生成速率的预测。根据本发明，能够有效地解决现有基于生成动力学和机器学习的甲烷水合物生成速率预测方法的预测准确度较低的问题。

主权项：1.基于模型融合的甲烷水合物生成速率预测方法，其特征在于，包括：获取样本集，所述样本集包含有多个由甲烷水合物生成速率及其影响因素构成的数据组；基于所述样本集，分别采用预定的每种数学建模算法建立相应的甲烷水合物生成速率预测子模型；基于模型融合方法对建立的所有甲烷水合物生成速率预测子模型进行融合，得到甲烷水合物生成速率预测模型；基于所述甲烷水合物生成速率预测模型对甲烷水合物生成速率进行预测；其中，所述影响因素为环境条件，所述环境条件包括温度和压力；其中，预定的数学建模算法包括BP神经网络算法；基于所述样本集，采用所述BP神经网络算法建立相应的甲烷水合物生成速率预测子模型的具体过程为：将所述样本集中的每个所述数据组中的所述影响因素作为BP神经网络算法模型的输入数据，将该影响因素对应的甲烷水合物生成速率作为BP神经网络算法模型的输出变量；初始化BP神经网络算法模型：设定参数：输入数据为x，从输入层进入隐藏层的参数为w和b1，从隐藏层进入输出层的参数为v和b2，输入激活函数为g1，输出激活函数为g2；即，从输入层进入隐藏层模型为：net1＝wTx+b1,h＝g1net1上式中，h为net1有关的激活函数；从隐藏层进入输出层模型为： 初始化相关参数：将初始化的权值及偏执项分别记为w0；b10；v0；b20；训练BP神经网络算法模型：激活层推进计算：将激活层不断推进计算，得到每一个隐藏层的输出结果以及对应层的损失函数期望值；其中，仅包括n个维度的一组解时，损失函数期望值为： 下式中，k为参数迭代的次数，η为学习率；计算输出单元误差项；更新输出层参数： 更新隐藏层参数： 循环激活层推进计算至更新隐藏层参数的步骤，直至输出层参数和隐藏层参数的更新次数达到预定的更新次数；其中，预定的数学建模算法包括极端梯度提升算法；相应的极端梯度提升算法模型为： 其中，i是样本的序列，是该样本的预测误差，k是树的数量，代表树木的复杂性，T代表叶子数，是叶子分数的L2范数；其中，所述模型融合方法为Stacking算法。

全文数据：

权利要求：

百度查询： 中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院 基于模型融合的甲烷水合物生成速率预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD