CN119400296A 基于数据驱动的多元流体易结晶组分结盐特性风险评估方法 （浙江理工大学）

基于数据驱动的多元流体易结晶组分结盐本发明公开了基于数据驱动的多元流体易流体易结晶组分结盐相关特性数据进行样本数将预测分析获得的结果与实际数据进行对比分径向基神经网络模型对多元流体易结晶组分结2步骤S2、处理器对所有的工况特征向量进行预处理以剔步骤S3、构建用于预测多元流体易结晶组分结盐温度步骤S4、将待检测的多元流体的工况特征参数输入训练好步骤S5、处理器根据多元流体易结晶组分结盐温度2.根据权利要求1所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估流速xi5]i表示第i个工况特征向量；xin表示第i次采集到的3.根据权利要求1所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估]步骤S2.2、接着通过隔离森林算法获取工况特征数据集D中所有数据的异常检测值z除存在异常数据的工况特征向量Xi，并利用剩余的工况特征向量Xi建立工况特征训练数据4.根据权利要求1所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估所述径向基神经网络模型的输入为工况特征向量Xi，输出为多元流体易结晶组分结盐3i表示工况特征向量Xi对应的多元流体易结晶组分预测结盐温度yi；Zi表示工况5.根据权利要求1所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估6.根据权利要求1所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估步骤S5.1、首先根据训练过程中径向基神经网络模型的输出yi按照以下公式处理得到i)表示工况特征训练数据集中工况特征向量Xi的实际结盐温度；yi表示工况特征训练数据集中工况特征向量Xi对应的多元流体易结晶组分预测结盐温度；M表示工况47.根据权利要求5所述的一种基于数据驱动的多元流体易结晶组分结盐特性风险评估个随机数，pfupvest表示粒子i在8.一种计算机设备，包括存储器和处理器，所述存储器处理器执行时实现权利要求1_7中任一项所述的方5理后的工况特征向量建立工况特征训练数据6含量xi4i5i7]M][0019]步骤S2.2、接着通过隔离森林算法获取工况特征向量中所有工况数据xin对应路7工况特征训练数据集中工况特征向量Xi对应的多元流体易结晶组分预测结盐温度；M表示YE(T,T2),则当前工况下多元流体易结晶组分结盐风险认定为中风险；[0043]若多元流体易结晶组分结盐温度Y:⃞(T-TRMSE,T2+TZXRMSE),8的位置最优值。群算法优化径向基神经网络模型建立了一种多元流体易结晶组分结盐特性预测及风险评9[0067]对于本实施例，所建立的多元流体易结晶组分结盐风险特性数据库共有256条数i7]理后的工况特征向量建立工况特征训练数据M][0076]步骤S2.2、接着通过隔离森林算法获取工况特征向量中所有工况数据xin对应路[0079]具体实施中，将工况特征数据集D输入到隔离森林算法中，即可得到路径长度l[0083]步骤S3中，将工况特征训练数据集输入到径向基神经网络模型，采用均方误差(MSE)作为损失函数来训练径向基神经网络模型，直到径向基神经网络模型的误差达到最第i个径向基函数与第i个工况特征向量Xii_Ci)工况特征训练数据集中工况特征向量Xi对应的多元流体易结晶组分预测结盐温度；M表示工况特征向量的总数量；表示工况特征训练数据集中工况特征向量Xi的实际温度平则当前工况下多元流体易结晶组分结盐风险认定