本文關(guān)鍵詞：基于灰色-RBF算法的瓦斯水合物相平衡預(yù)測(cè)研究

  更多相關(guān)文章： GM(1 N)模型 RBF 瓦斯水合物 相平衡

【摘要】：瓦斯水合物在生成過(guò)程中會(huì)受到很多種因素的影響,其中最主要的三個(gè)因素是瓦斯組分、溫度和壓力。由于其生成過(guò)程具有隨機(jī)性、弱相依性和突變性等特點(diǎn),運(yùn)用以往的熱力學(xué)相平衡預(yù)測(cè)模型進(jìn)行預(yù)測(cè)還存在著預(yù)測(cè)數(shù)值誤差比較大、計(jì)算速度慢等缺點(diǎn),因此運(yùn)用數(shù)學(xué)理論建立一種預(yù)測(cè)精度高、誤差小的預(yù)測(cè)模型具有重要的現(xiàn)實(shí)意義。基于以上原因,本文選用對(duì)原始數(shù)據(jù)要求較低、又能對(duì)受多因素控制的系統(tǒng)進(jìn)行預(yù)測(cè)的GM(1,N)模型預(yù)測(cè)理論和收斂速度快、學(xué)習(xí)時(shí)間短和逼近程度高等優(yōu)點(diǎn)的RBF神經(jīng)網(wǎng)絡(luò)兩種理論,建立瓦斯水合物相平衡預(yù)測(cè)模型。主要做了以下工作：1.本文運(yùn)用GM(1,N)模型對(duì)多變量系統(tǒng)進(jìn)行建模的原理,結(jié)合RBF神經(jīng)網(wǎng)絡(luò)理論,建立了多因素影響的瓦斯水合物相平衡預(yù)測(cè)模型。2.在灰色理論和RBF神經(jīng)網(wǎng)絡(luò)二者的結(jié)合方法上選取的是差值結(jié)合法,并將實(shí)際的相平衡參數(shù)值參與到模型運(yùn)算中,從而提高模型的預(yù)測(cè)精度。3.建立了RBF神經(jīng)網(wǎng)絡(luò)瓦斯水合物預(yù)測(cè)模型、灰色-RBF神經(jīng)網(wǎng)絡(luò)瓦斯水合物預(yù)測(cè)模型和改進(jìn)灰色-RBF神經(jīng)網(wǎng)絡(luò)瓦斯水合物相平衡預(yù)測(cè)模型,利用三種模型對(duì)瓦斯水合物相平衡進(jìn)行預(yù)測(cè),通過(guò)實(shí)驗(yàn)分析得出改進(jìn)灰色-RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)精度最好,誤差最小。4.通過(guò)大量的樣本值分別預(yù)測(cè)了CH4、C2H6、C3H8等單組分氣體和CH4、C2H6、 C3H8、i-C4H10、n-C4H10、 CO2和N2等氣體組成的多組分氣體的瓦斯水合物生成相平衡參數(shù),分析了改進(jìn)模型的預(yù)測(cè)精度和相對(duì)誤差。結(jié)果表明模型預(yù)測(cè)值的平均相對(duì)誤差滿(mǎn)足預(yù)測(cè)精度要求,因此改進(jìn)的灰色-RBF神經(jīng)網(wǎng)絡(luò)建立的預(yù)測(cè)模型將成為瓦斯水合物相平衡計(jì)算及預(yù)測(cè)的有效方法。
【關(guān)鍵詞】：GM(1 N)模型 RBF 瓦斯水合物 相平衡
【學(xué)位授予單位】：黑龍江科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TD712
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-10
• 1 緒論10-19
• 1.1 研究背景10-17
• 1.1.1 瓦斯水合物的國(guó)外研究現(xiàn)狀10-11
• 1.1.2 瓦斯水合物熱力學(xué)國(guó)內(nèi)研究現(xiàn)狀11-13
• 1.1.3 瓦斯水合物生成條件的各種預(yù)測(cè)模型研究現(xiàn)狀13-17
• 1.2 研究的目的及意義17-18
• 1.3 研究?jī)?nèi)容18
• 1.4 本論文的章節(jié)安排18-19
• 2 預(yù)備知識(shí)19-38
• 2.1 瓦斯水合物的基本理論19-22
• 2.1.1 瓦斯水合物的基本性質(zhì)19-20
• 2.1.2 瓦斯水合物生成機(jī)理20-21
• 2.1.3 瓦斯水合物相平衡預(yù)測(cè)方法21-22
• 2.2 灰色預(yù)測(cè)法22-31
• 2.2.1 灰色理論22-24
• 2.2.2 灰色GM(1,1)預(yù)測(cè)模型24-27
• 2.2.3 灰色GM(1,N)預(yù)測(cè)模型27-29
• 2.2.4 GM(1,N)模型改進(jìn)29-31
• 2.3 RBF神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法31-36
• 2.3.1 RBF神經(jīng)網(wǎng)絡(luò)模型31-33
• 2.3.2 RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練方式33
• 2.3.3 改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)33-36
• 2.4 灰色神經(jīng)網(wǎng)絡(luò)模型36-37
• 2.5 本章小結(jié)37-38
• 3 建立瓦斯水合物相平衡預(yù)測(cè)模型38-48
• 3.1 瓦斯水合物相平衡預(yù)測(cè)原理38
• 3.2 RBF神經(jīng)網(wǎng)絡(luò)模型38-40
• 3.3 灰色-RBF神經(jīng)網(wǎng)絡(luò)模型40-42
• 3.4 差值灰色-RBF神經(jīng)網(wǎng)絡(luò)模型42-47
• 3.4.1 差值灰色-RBF網(wǎng)絡(luò)模型建模思路42-43
• 3.4.2 改進(jìn)的灰色-RBF網(wǎng)絡(luò)模型43-47
• 3.5 本章小結(jié)47-48
• 4 瓦斯水合物相平衡預(yù)測(cè)模型實(shí)證分析48-59
• 4.1 MATLAB軟件介紹48
• 4.2 模型預(yù)測(cè)結(jié)果的分析與比較48-58
• 4.2.1 單組分瓦斯氣體生成瓦斯水合物相平衡比較48-53
• 4.2.2 多組分瓦斯氣體生成水合物相平衡比較53-58
• 4.3 本章小結(jié)58-59
• 5 總結(jié)與展望59-61
• 5.1 總結(jié)59
• 5.2 展望59-61
• 參考文獻(xiàn)61-65
• 附錄65-70
• 作者簡(jiǎn)歷70-72
• 學(xué)位論文數(shù)據(jù)集72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 馬慶蘭,陳光進(jìn),郭天民;含極性抑制劑體系中水合物生成條件的研究[J];高�；瘜W(xué)工程學(xué)報(bào);2000年01期

2 盧斌;吳強(qiáng);;徑向基神經(jīng)網(wǎng)絡(luò)的瓦斯水合物相平衡預(yù)測(cè)[J];黑龍江科技學(xué)院學(xué)報(bào);2009年03期

3 王建國(guó);王光輝;王海鳳;;基于灰色理論與神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)[J];河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

4 皮艷慧;廖柯熹;孫歐陽(yáng);;天然氣水合物生成條件預(yù)測(cè)模型及適用性評(píng)價(jià)[J];天然氣與石油;2012年06期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張鶴冰;一種基于小波分析理論的灰色預(yù)測(cè)方法[D];哈爾濱工程大學(xué);2009年

，

本文編號(hào)：718548