基于智能算法的含酸性气体甲烷水合物形成条件预测研究

【摘要】：天然气水合物是在一定的温度和压强条件下,天然气与液态水形成的固体复合物。天然气的固体存在严重影响了天然气的开采、加工和集输。如果能对天然气水合物形成的临界温度和压强进行很好的预测,通过打破天然气水合物形成条件,就可以较好的实现对天然气的开采、加工和集输。目前,在天然气研究领域对天然气水合物生成条件的预测主要有图解法、经验公式法、相平衡计算法、热力学模型法四大类。图解法和经验公式法简单、计算方便,但是误差比较大。相平衡法计算简单、速度快,但可靠性和通用性比较差。热力学模型法计算精度高、使用广泛,但是扩展性比较差。小波神经网络有高度的非线性映射和自适应、自组织、自学习的能力,能够很好的预测非线性问题,但是小波神经网络有学习速度慢,容易陷入局部极小值的问题。本文采用改进小波神经网络学习方式和加入了动量项的方法来加快小波神经网络学习速度。遗传算法具有全局寻优的能力,使用遗传算法优化小波神经网络,可以降低小波神经网络陷入局部极小值的概率。本文将使用遗传小波神经网络来预测水合物形成条件。遗传算法有很强的全局寻优能力,同时也广泛应用于机器学习领域,但遗传算法有早熟的缺点。造成早熟的原因一般是初始种群分布不均和遗传操作造成的种群多样性减少。本文改进了遗传算法种群初始化方式和种群的取代策略,将种群初始化个体最大限度的均匀分布到解空间,同时取代策略中每次加入一些新的个体保持种群多样性。最后,本文对改进小波神经网络模型、改进遗传算法模型和遗传小波神经网络模型分别作了实验评估。 【关键词】：甲烷水合物 小波神经网络 遗传算法 种群初始化 遗传小波神经网络
【学位授予单位】：中国石油大学(华东)
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-14
• 1.1 论文的研究背景10
• 1.2 课题的研究现状10-12
• 1.2.1 天然气水合物形成条件预测方法研究现状10-11
• 1.2.2 小波神经网络研究现状11-12
• 1.2.3 遗传算法研究现状12
• 1.3 论文的主要研究内容12-14
• 第二章 小波变换理论14-20
• 2.1 引言14
• 2.2 小波变换14-19
• 2.2.1 连续小波变换14-16
• 2.2.2 离散小波变换16
• 2.2.3 常用的基本小波16-19
• 2.3 本章小结19-20
• 第三章 小波神经网络预测水合物生成条件20-39
• 3.1 人工神经网络简介20
• 3.2 人工神经网络模型20-25
• 3.2.1 神经元的结构模型21
• 3.2.2 常见人工神经网络激活函数21-23
• 3.2.3 神经元的连接模式23
• 3.2.4 人工神经网络学习规则23-25
• 3.3 BP神经网络25-30
• 3.3.1 BP神经网络概述25-26
• 3.3.2 BP神经网络结构26
• 3.3.3 BP神经网络的学习算法26-29
• 3.3.4 BP神经网络改进29-30
• 3.4 小波神经网络30-35
• 3.4.1 小波神经网络的概述30-31
• 3.4.2 小波神经网络结构31
• 3.4.3 小波神经网络学习算法31-32
• 3.4.4 小波神经网络构建32-34
• 3.4.5 改进学习方式的小波神经网络34-35
• 3.5 改进小波神经网络预测水合物生成条件35-38
• 3.6 本章小结38-39
• 第四章 优化小波神经网络的遗传算法模型39-51
• 4.1 遗传算法概述39-40
• 4.2 遗传算法的基本操作40-42
• 4.3 改进实数编码遗传算法模型构建42-47
• 4.3.1 种群初始化43-45
• 4.3.2 种群的选择策略45-46
• 4.3.3 种群交叉策略46
• 4.3.4 种群取代策略46-47
• 4.4 改进实数编码遗传算法实验评估47-50
• 4.4.1 使用Sphere函数评估47-48
• 4.4.2 使用Schwefel函数评估48
• 4.4.3 使用Rastrigin函数评估48-49
• 4.4.4 使用Griewangk函数评估49-50
• 4.4.5 实验评估结论50
• 4.5 本章小结50-51
• 第五章 遗传小波神经网络预测水合物生成条件51-59
• 5.1 遗传小波神经网络理论51
• 5.2 遗传算法优化小波神经网络参数51-52
• 5.3 遗传小波神经网络构建52-54
• 5.4 遗传小波神经网络模型的流程54-56
• 5.5 遗传小波神经网络和小波神经网络的实验评估56-58
• 5.5.1 实验数据56
• 5.5.2 遗传小波神经网络实验评估56-58
• 5.5.3 小波神经网络模型和遗传小波神经网络模型比较58
• 5.6 本章小结58-59
• 总结和展望59-61
• 参考文献61-66
• 致谢66-67
• 攻读硕士期间取得的研究成果67-68
• 附录 168-71

您可以在本站搜索以下学术论文文献来了解更多相关内容

小波神经网络及其应用    蔡念,胡匡祜,李淑宇,苏万芳

基于随机小波神经网络的一类随机过程的逼近    吴曦,康会光

一种广义小波神经网络的结构及其优化方法    丁勇,刘守生,胡寿松

小波神经网络在综合评价中的应用    刘雨华,叶小岭,周媛

小波神经网络在提升设备故障诊断中的应用    刘景艳;邹有明;

一种基于小波神经网络的模拟电路故障诊断方法    韩宝如;孟玲玲;

小波神经网络多属性综合评价及其应用    李建丽;钟仪华;李智超;

基于小波神经网络的流量混沌时间序列预测    刘渊;戴悦;曹建华;

小波神经网络在粮食产量预测中的应用    张坤;

基于粒子群-小波神经网络的模拟电路故障诊断    左磊;侯立刚;高大明;彭晓宏;吴武臣;

基于小波神经网络的异步电机故障诊断    胡博;陶文华;崔博;白一彤;尹旭;

一种改进小波神经网络模型在电力故障信号识别中的应用    何正友;钱清泉;

基于小波神经网络的齿轮裂纹故障诊断    鲁艳军;陈汉新;陈绪兵;

小波神经网络结合多项式的混合预测方法在通信规划中的应用    董健;尹萌;张辉;

复合材料疲劳剩余寿命预测的动态小波神经网络方法    谢建宏;张为公;

基于小波神经网络的水质预测应用研究    陈建秋;张新政;

小波神经网络的高效学习算法及应用研究    孙正贵;

基于小波神经网络的轧机特性回归    黄敏;朱启兵;崔宝同;

一种基于改进遗传算法的小波神经网络    周绍磊;张文广;李新;

基于小波神经网络的模拟调制信号自动识别    杜青;刘剑飞;刘娟;乔延华;

小波神经网络若干关键问题研究    侯霞

小波神经网络算法及其船舶运动控制应用研究    章文俊

小波参数化与小波神经网络研究    高协平

自适应结构优化神经网络控制研究    宋清昆

广义小波神经网络实现雷达相关滤波的研究    李永红

量子信道与量子小波神经网络相关问题研究    银俊成

多小波和小波神经网络构造及其在电弧故障诊断中的应用研究    李文军

遗传算法与小波神经网络中若干问题的研究    刘守生

基于小波神经网络理论的VOCR与HOCR技术研究    黄同成

基于粗集—小波神经网络的煤炭企业管理研究    蔡振禹

小波神经网络参数优化及其应用    张清华

基于小波神经网络控制器设计与研究    王建双

小波神经网络及其在模拟电路诊断中的应用    张蓉晖

基于随机小波神经网络的一类随机过程的逼近    吴曦

基于小波神经网络的模拟电路故障诊断的研究    王勇

基于小波神经网络的板料冲压回弹研究    孙新强

基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究    但立

基于小波神经网络的某坦克炮平衡与定位控制    葛小川

小波分析在大功率交流伺服系统中的应用研究    蔡崇国

数据挖掘技术在上证指数预测中的应用研究    卢金长