论文部分内容阅读
在油气开采、集输、加工过程中由于温度、压力等条件发生改变时,油气体系内容易析出石蜡,这会大大降低油气田开发的效率,并损耗各种设备管道,甚至造成油田停产。石蜡沉积问题会给现场造成严重的负面影响。而影响石蜡沉积的关键因素就是石蜡消失温度(WDT)。为了避免这样的情况,选择对WDT进行研究,以降低减少采油过程中的经济损失。本文以灰色关联法、皮尔逊关联法、斯皮尔曼关联法作为建立模型的基础,将支持向量机(SVM)、自适应神经模糊推理系统(ANFIS)与灰狼算法(GWO)、粒子群算法(PSO)、遗传算法(GA)等相结合,建立了六个元启发模型GWO-SVM、LS-SVM(最小二乘支持向量机)、GA-SVM、PSO-SVM、GA-ANFIS、PSO-ANFIS。通过三个相关系数关联法对272组数据进行关联,选择了压力、摩尔质量作为输入变量,WDT作为输出变量,对272组WDT数据(从C13到C24,并囊括了二元系统、三元系统和多组分系统,压力为0.1-1OOMPa,摩尔质量为87-282,训练组和测试组数据点比值为7:3)进行拟合计算,并对六个模型进行了评价。最后针对不同压力(主要是0.1MPa、20MPa、40MPa、60MPa、80MPa、100MPa),进行模型优选。计算结果表明:二元、三元、多组分系统和全部数据中,GWO-SVM模型的绝对平均相对误差(AARD)分别为0.19%、0.43%、0.09%、0.71%;GA-ANFIS模型的AARD 为 0.22%、0.43%、0.09%、0.75%;PSO-ANFIS 模型的AARD为0.23%、0.41%、0.76%、0.75%;GA-SVM 模型的 AARD 为 0.34%、0.64%、0.37%、0.90%;PSO-SVM模型的 AARD 为 0.45、0.68%、0.38%、0.72%;LS-SVM 模型的AARD为0.59%、1.00%、0.09%、0.88%;并对R2、RMSE、SD这三个指标也进行了计算;最后对六个模型进行了异常点分析,二元、三元、多组分系统和全部数据中,GWO-SVM模型的异常点数分别为0、0、0、6个;GA-ANFIS的异常点数分别为4、0、1、5个;PSO-ANFIS模型的异常点数分别为2、0、1、9;GA-SVM模型的异常点数分别为0、0、1、6个;PSO-SVM模型的异常点数分别为0、0、0、6个;LS-SVM模型的异常点数分别为0、0、0、8 个。在不同压力下,对六个模型进行评价,在0.1-40MPa的压力下,预测WDT推荐选择GWO-SVM模型;在40-60MPa的压力下,预测WDT推荐选择GA-ANFIS模型;在60-1 OOMPa下,预测WDT推荐选择GWO-SVM模型。经过综合对比表明,六个元启发模型中,GWO-SVM的模型的AARD最低,异常点个数最小,模型的稳定性最强,泛化能力强,从而为含蜡原油(从C13到C24,二元系统、三元系统和多组分系统,压力为0.1-100MPa)WDT的计算提供了一种新的综合分析方法,满足工程要求。