(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 202110736228.7 (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 113326665 A (43)申请公布日 2021.08.31 (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　 王硕　李晓宇　吴暇　 (51)Int.Cl. G06F 30/27(2020.01) G06Q 50/06(2012.01) G06F 119/08(2020.01)(56)对比文件 CN 110378075 A,2019.10.25 US 2014213 670 A1,2014.07.31 李长俊 等.深水天然气水合物及其管道输 送技术. 《科学通报》 .2016,第61卷(第2 2期), 邱鹏 等.预测天然气水合物生成条件回归 公式的评价. 《石油与天然气化工》 .2016,第45卷 (第2期), Danial Abooali 等.New predictive method for estimati on of natural g as hydrate formati on temperature usi ng genetic program ming. 《Neural Computi ng and Applications》 .2017,第31卷(第7期), 审查员 龚秒 (54)发明名称 一种基于遗传规划的酸性天然气水合物生 成温度预测方法 (57)摘要 本发明公开了一种基于遗传规划算法的酸 性天然气水合物生成温度预测方法。 包括以下步 骤： 获取文献中酸性天然气水合物生成相关数 据； 设定生成温度为输出变量， 天然气组分、 压 力、 摩尔质量为输入变量的遗传规划算法基本框 架； 将原始数据划分为训练集和测试集并对数据 归一化处理； 输入数据并采用遗传规划算法进行 建模求得最优的显式表达式； 最后反归一化得到 预测模型； 本发 明的优点在于公 式模型可以简单 得计算即可精准得到15MPa下酸气的水合物的生 成温度， 解决了传统预测模型在天然气水合物生 成温度预测精度低的缺陷， 又避免了传统机器学 习模型结构复杂、 可解释性差问题。 权利要求书1页 说明书6页 附图1页 CN 113326665 B 2022.06.14 CN 113326665 B 1.一种基于遗传规划算法的酸性天然气水合物生成温度预测方法， 其特征在于， 包括 以下步骤： 步骤一， 采集酸性天然气的详细摩尔组分， 包括酸性天然气中包含的甲烷、 二氧化碳、 硫化氢的摩尔分数和生成水合物时的压力； 步骤二， 计算新变量气体摩尔质量M， 划分原始数据为训练集和测试集为70％和30％， 并对数据归一 化处理； 步骤三， 设定遗传规划算法基础参数， 其中基本函数组包括{+, ‑,×,÷,exp,sqrt,ln, arctan,tanh,pow,log10,^( ‑1),^2}， 终止集为 常数项或变量， 种群大小、 初始树深度、 树深 度上限分别为500、 5、 6， 算法将生成具有基本函数组的种群大小的初代种群， 交换因子、 变 异因子为0.9， 0.05， 适应度函数为均方误差MSE， 选择操作采用轮盘算法， 考虑生物的多样 性和繁殖竞争的优胜劣汰现象， 满足以下 条件即为终止 遗传算法： 1)达到预定的训练代数5 00； 2)连续30次相邻两代的最大适应度值之差小于预定阈值； 步骤四， 采用遗传规划算法对训练集进行训练寻找关系式， 最优的预测显式表达式： 式中HFTnormal——归一化后的酸 性天然气水合物生成 温度， K； x1——归一化后的气体中甲烷摩尔分数； x2——归一化后的气体中二氧化 碳摩尔分数； x3——归一化后的气体中硫化氢摩尔分数； P——归一化后的压力； M——归一化后的摩尔质量； 其中常数项为： 表1显式表达式常数项 这样得到最优的显式表达式； 步骤五， 反归一 化处理， 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所述的基于遗传规划算法的酸性天然气水合物生成温度预测方法， 其 特征在于对显式表达式反归一 化处理： HFT＝HFTnormal*26.2+273.5              (2) 其特征在于适用于酸 性天然气在15 MPa下的水合物生成 温度预测。权　利　要　求　书 1/1 页 2 CN 113326665 B 2一种基于遗传规划的 酸性天然气水合物生成温度预测方 法 技术领域 [0001]本发明属于天然气输送管道的流动保障领域， 尤其涉及 一种基于遗传 规划的酸性 天然气生成 温度预测方法。 背景技术 [0002]天然气水合物生成温度预测是提供天然气管道设计规划的基础依据。 而目前天然 气水合物， 尤其是酸性天然气水合物生成温度的精准预测是一个重要问题。 因为酸性天然 气的酸性组分不同于普通 天然气， 酸性组分， 包括二氧化碳和硫化氢， 易促进天然气水合物 的生成， 因此酸 性天然气水合物的生成 温度预测的难度也大于普通天然气水合物。 [0003]目前学者们对酸性天然气水合物的生成温度预测也有了十数年的研究， 很多有效 的方法被一一提出。 目前常见 的酸性天然气水合物生成温度预测方法包括实验方法、 热力 学方法以及机器学习算法。 其中实验方法和热力学方法操作困难， 需要的仪器昂贵、 知识储 备量大。 因此近年 来热门的简单易用机器学习方法被人们青睐。 [0004]神经网络算法、 支持向量机算法、 模糊森林算法等机器学习算法都可以结合影响 水合物生成温度的各种因素对酸性天然气水合物 生成温度进 行预测， 但由于这些方法在结 构上是一个黑箱模型， 如神经网络算法， 不同于拟合式方法， 人们难以解释这种模型的内在 关系， 并且计算相对繁琐， 必须每次计算都在已经训练好的模型基础上运行。 [0005]因此， 十分有必要研究一种可以精准预测酸性天然气水合物的生成温度的显式表 达式计算方法。 发明内容 [0006]本发明主要目的是设计一种基于遗传规划的酸性天然气水合物生成温度预测方 法， 避免传统机器学习模型解释性差的黑箱模型缺点， 建立类似公式模型 的显式表达式预 测模型， 并实现对于酸性 天然气生成温度的精确预测， 为 天然气管道进 行投产设计、 沿程工 艺设计、 运行优化等工作的提供基础和依据。 该发明整体结构如图1所示。 本发明采取 的技 术方案如下： 提供基于遗传规划的酸性天然气水合物生成温度预测方法， 该方法包括以下 步骤： [0007]步骤一， 收集各种不同组分下的酸 性天然气生成水合物的温度、 压力等基础数据； [0008]步骤二， 增加变量气体摩尔质量M， 将数据进一步划分为训练集和测试集， 并将全 部数据归一 化处理； [0009]步骤三， 利用遗传规划回归模型进行建模训练， 设定输出变量为水合物生成温度， 多次训练后， 通过调整迭代遗传参数， 最 终获得显式表达式模 型， 建立关键参数和水合物 生 成温度之间的关系式； [0010]步骤四， 将验证集中输入参数输入显式表达式模型中， 预测水合物生成温度， 并通 过预测得到的水合物 生成温度与验证集中水合物生成温度的实验值进 行对比， 计算均方误 差MSE和拟合度R2， 验证显式表达式模型的精度；说　明　书 1/6 页 3 CN 113326665 B 3