基于网格搜索-随机森林算法的水合物结构与生成条件预测

杨 威，薛 钊，蔡文慧，王 婷，田东海，梁昌晶

1.华北石油管理局有限公司苏里格勘探开发分公司，内蒙古鄂尔多斯150626

2.中国石油华北油田公司友信勘探开发服务有限公司，河北任丘062552

3.中国石油华北油田公司第二采油厂，河北霸州065700

4.中国石油华北油田公司二连分公司，内蒙古锡林浩特026000

目前，水合物生成条件的预测方法主要有经验图解法、关联公式法和热力学模型法[1-3]，其中经验图解法和关联公式法在油气田现场应用较多，但预测精度及效果不好，热力学模型法是基于室内试验的结果，通过引入状态方程以提高预测结果精度，但涉及的参数较多，专业性较强，不能很好地推广使用。

随着机器学习技术的不断发展，越来越多的学者采用人工智能算法对水合物的生成条件进行预测[4]。卞小强等[5]通过引入CO2和H2S 的贡献因子，采用SVM 对含酸性气体的水合物生成条件进行了预测，其平均相对偏差为5.7%；Mesbah 等[6]为了解决SVM 算法产生局部最优问题，引入了最小二乘向量机，可有效预测高酸天然气水合物的生成；唐永红等[7]将小波分析和神经网络相结合，通过求解权值向量、平滑因子、伸缩因子等变量，对I 型水合物的生成温度进行了预测；马贵阳等[8]将遗传算法与SVM 相结合，通过数值计算拟合了相平衡曲线，其精度与热力学模型的精度接近。综上所述，以上研究均基于大量的试验数据，本身容易陷入局部最优，出现超参数选取困难的现象，且未考虑抑制剂、水中盐类的影响，对水合物结构进行智能算法分类也未见报道。……