(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110765785.1 (22)申请日 2021.06.30 (65)同一申请的已公布的文献号 申请公布号 CN 113343589 A (43)申请公布日 2021.09.0 3 (73)专利权人 西南石油大 学 地址 610500 四川省成 都市新都区新都大 道8号 (72)发明人 贾文龙　林友志　孙溢彬　蒲兼林　 朱忠正　李晓宇　王硕　 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (56)对比文件 CN 110378075 A,2019.10.25 WO 201720 5634 A1,2017.1 1.30 US 2015071906 A1,2015.0 3.12 US 2009269772 A1,20 09.10.29CN 112733307 A,2021.04.3 0 张科嘉等.中俄东线天然气管道投产初期水 合物预测及防治 模拟. 《油气储运》 .2020,第39卷 (第07期),第821-826页. Jie Cao等.“Integrati ng Support Vector Regression with Genetic Algorithm for Hydrate Formati on Condition Predicti on”. 《proces ses》 .2020,第8卷(第5期), 王瑞和等.基 于基因表达式编程 算法的磨料 射流切割深度预测模型. 《中国石油大 学学报(自 然科学版)》 .2015,第39卷(第01期),第6 0-65页. 马贵阳等. “基于支持向量机结合遗传算法 的天然气水合物相平衡 研究”. 《天然气工业》 .2017,第37 卷(第5期), Menad Nait Amar. “Predicti on of hydrate formati on temperature usi ng gene expression program ming”. 《Journal of Natural Gas Science and Engi neering》 .2021,第89卷 审查员 刘洛 (54)发明名称 一种基于遗传-随机常数的基因表达式编程 的酸性天然气水合物生成条件预测方法 (57)摘要 本发明公开了一种基于遗传 ‑随机常数的基 因表达式编程的酸性天然气水合物生成条件预 测方法。 包括以下步骤： 获取酸性天然气水合物 生成的组分、 压力、 温度数据； 计算摩尔质量、 酸 性因子贡献率； 将原始数据划分为训练集和测试 集； 基于结合随机常数的基因表达式编程建立酸 性天然气水合物生成温度和影响因素的动态公 式预测模型； 引入修正参数到公式模型中； 基于 遗传算法优化修正参数。 本发明的有益效果在于 基于遗传 ‑随机常数的基因表达式编程算法的新 方法解决了传统遗传规划算法求解速度慢、 单一 树状结构限制的预测精度稍差的缺点。 可以精准 预测得动态预测15MPa、 300K以下不同酸性天然气水合物的生成条件， 保证含酸气田集输系统有 序生产。 权利要求书2页 说明书7页 附图1页 CN 113343589 B 2022.07.26 CN 113343589 B 1.一种基于遗传 ‑随机常数的基因表达式编程的酸性天然气水合物生成条件预测方 法， 其特征在于， 包括以下步骤： 步骤一， 采集酸性天然气在生成水合物的稳定条件下的摩尔组分包括甲烷、 二氧化碳、 硫化氢的摩尔分数， 以及压力， 温度数据； 步骤二， 特征构造， 引入新特征酸性因子贡献率C、 气体摩尔质量M， 并划分原始数据为 训练集和 测试集； 步骤三， 设定结合随机常数的基因表达式编程算法的基础参数， 以步骤一二的参数作 为输入变量， 水合物生成温度作为输出变量构建训练函数， 并用基因表达式编程算法进行 学习回归， 得到基因表达式编程的水合物生成条件预测显式表达式： HFT＝y1+y2+y3+y4+y5+y6+y7+y8+y9             (2) 式中x1——气体中甲烷摩尔分数， ％； x2——气体中二氧化 碳摩尔分数， ％； x3——气体中硫化氢摩尔分数， ％； P——压力， MPa； C——酸性因子贡献率， ％； M——气体摩尔质量， kg/mo l； a——常数项； 表1基因表达式常数 上表为常数项a1‑a12； 步骤四， 将步骤三得到的水合物生成条件公式模型引入修正参数， 并采用遗传算法对权　利　要　求　书 1/2 页 2 CN 113343589 B 2修正参数进行训练学习， 得到最优的修 正参数； 步骤五， 采用测试集进行测试， 确定最优的显式表达式。 2.如权利要求1所述的基于遗传 ‑随机常数的基因表达式编程的酸性天然气水合物生 成条件预测方法， 其特 征在于， 步骤二引入了新特 征酸性因子贡献率C： 式中x1——气体中甲烷摩尔分数， ％； x2——气体中二氧化 碳摩尔分数， ％； x3——气体中硫化氢摩尔分数， ％。 3.如权利要求1所述的基于遗传 ‑随机常数的基因表达式编程的酸性天然气水合物生 成条件预测方法， 其特征在于它包括随机常数的基因表达式算法生成基本显式表达式结 构； 所述基因表达式算法设定的基本函数组包括{+, ‑,×,÷,exp,sqrt,arctan,tanh, pow,^(‑1),^2}， 终止集包括常数和独立变量， 种群大小、 基因数、 头部长度、 插串概率、 变异 概率和重组概率分别为150、 7、 8、 0.05、 0.02和0.1， 基因表达树以加法连接， 种群适应度函 数为均方根 误差RMSE； 结合了随机常数， 使得原本的基因表达式算法树状结构中能够产生常数项， 采用混合 常数编码， 常数项范围为0 ‑100， 常数项长度为7； 选择操作采用改进的轮盘算法， 首先计算各个个体的适应度， 再计算出被选集中每个 个体的被选概率， 在确 定各个备选个体的概率后， 随机的产生[0,1]之间的随机数Pc， 该数 对应的累计概率个体即为选取个体， 该方法可以使得适应度大的个体， 被选中的概率更大， 其优良的基因就得到 了传承。 4.如权利要求1所述的基于遗传 ‑随机常数的基因表达式编程的酸性天然气水合物生 成条件预测方法， 其特 征在于步骤四引入修 正参数到显式表达式 中： HFT＝k1*y1+k2*y2+k3*y3+k4*y4+k5*y5+k6*y6+k7*y7+b      (4) 步骤四采用遗传算法优化 修正参数， 可以进一 步提高组合方法的精确度； 表2显式表达式修 正参数 组合方法对15 MPa、 300K以下不同酸 性天然气水合物的生成条件的精准预测。权　利　要　求　书 2/2 页 3 CN 113343589 B 3