径向基神经网络预测天然气凝析油爆炸极限

摘要

为了对天然气凝析油爆炸极限进行准确预测,首先在不同组分含量和现场工况条件下测定了它的爆炸上、下限,并将此实验结果作为径向基人工神经网络训练、验证和测试的样本数据库,然后以天然气凝析油中的C5、C6、C7、C8、C9+质量分数,气相中的O2物质的量分数以及操作温度为输入信号,以爆炸上、下限为输出信号,建立了天然气凝析油爆炸极限预测模型。结果表明,当隐含层节点数为34时,7-34-2型径向基人工神经网络结构合理且准确度良好,经过2190次反复迭代后,该模型的均方误差0.0099小于允许收敛误差限0.0100,预测值和期望值近似呈线性,其在训练阶段、验证阶段与测试阶段的决定系数分别为0.9997、0.9998、0.9999,具有较高的相关性,同时,除了C9+质量分数外,天然气凝析油中的C5、C6、C7、C8质量分数,气相中的O2物质的量分数和操作温度对爆炸上、下限的影响非常显著,建议给予重点关注。本文可为天然气凝析油爆炸风险地有效识别、合理控制与及时消除提供科学、可靠的理论支撑和数据来源。