文献类型：期刊文章

作　　者：郑秋梅[1] 商振浩[1] 王风华[1] 林超[2]

ZHENG Qiumei;SHANG Zhenhao;WANG Fenghua;LIN Chao(College of Computer Science and Technology in China University of Petroleum(East China),Qingdao 266580,China;Information Construction Department in China University of Petroleum(East China),Qingdao 266580,China)

机构地区：[1]中国石油大学(华东)计算机科学与技术学院,山东青岛266580 [2]中国石油大学(华东)信息化建设处,山东青岛266580

出　　处：《中国石油大学学报（自然科学版）》

基　　金：国家自然科学基金项目(51274232);山东省自然科学基金项目(ZR2018MEE004)。

年　　份：2020

卷　　号：44

期　　号：5

起止页码：46-51

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PA、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

关 键 词：天然气水合物 支持向量机 深度神经网络  BP算法

分 类 号：TE88]