基于ISCA-BP算法的天然气水合物预测模型

为了建立更加准确、稳定的天然气水合物预测模型，利用改进正余弦算法优化神经网络，在正余弦算法(SCA)位置变化中加入非线性权重，对个体位置进行修正，提高算法收敛精度；融入Levy飞行改进SCA算法，强化局部搜索能力；将改进的正余弦算法用于BP神经网络参数优化，搭建ISCA-BP天然气水合物预测模型。与传统的热力学模型和BP模型模拟结果进行了对比，并且将该模型应用到气田现场测试。结果表明，ISCA-BP模型预测结果绝对相对误差为1.990%,平均绝对相对误差仅为0.339%,与其他热力学模型和BP模型相比，误差最小，预测结果精度高，稳定性好。在酸性体系和含醇盐体系中，都具有更准确的表现。ISCA-BP模型现场应用效果良好，可为抑制剂注入量的确定和现场安全运行策略的制定提供理论依据。