基于深度神经网络和支持向量机的海底管线水合物生成预测模型

摘要

针对目前天然气水合物预测方法对实际生产数据预测精度不高问题,分析水合物形成因素,引入支持向量机(SVM)和深度神经网络(DNN)理论,建立新的天然气水合物预测模型.模型通过深度神经网络提取生产数据的网络特征,将提取的特征与生产数据进行融合以增强数据区分度,使用非线性支持向量机对融合数据进行水合物预测,并采用东海CXB至CX平台混输海管近6年的生产数据进行实验.结果 表明,与传统方法和已有BP神经网络方法相比,模型预测精度显著提高,且模型结构简单,具有较好推广价值.