高含硫氣藏在開發(fā)過程中,隨著溫度、壓力的下降,會產生硫沉積現(xiàn)象。硫沉積會造成地層孔隙度和滲透率的降低,從而影響氣井產能。元素硫在高含硫氣體中的溶解度研究是硫沉積機理、硫沉積預測和處理技術研究的前提和基礎,對高含硫氣藏的安全、高效開發(fā)至關重要。目前,國內外確定元素硫在高含硫氣體中溶解度方法主要有:實驗法、經驗公式法、熱力學模型、人工神經網絡模型等。實驗法成本高、危險性大;經驗公式計算方便但適用范圍相對狹隘;熱力學模型需要硫與各組分之間的二元交互系數(shù),模型精度并不理想;人工神經網絡雖能模擬復雜的非線性映射,但易出現(xiàn)局部最優(yōu)、泛化能力差、網絡結構參數(shù)選擇難等問題。因此,本文基于最小二乘支持向量機(LSSVM),分別結合遺傳算法(GA)和灰狼算法(GWO),建立了元素硫在純H2S和高含硫天然氣中的溶解度模型;基于密度拐點的方法,分段擬合,改進了 Chrastil硫溶解度模型。最后,對比所建立的三個模型。為高含硫氣藏的開發(fā)提供了技術指導,取得的主要認識如下:(1)采用最小支持向量機(LSSVM)和遺傳算法(GA)相結合的方法,建立了硫分別在純H2S和高含硫天然氣中的溶解度模型(GA-LSSVM)。運用相同的文獻實驗數(shù)據(jù)計算,結果表明:GA-LSSVM模型在溫度303-433 K和壓力7.03-60MPa范圍內能較好地預測硫分別在純H2S和高含硫天然氣中的溶解度,絕對相對偏差(AARD)分別為4.31%和5.4%。最后對新模型進行了驗證及有效性評價。(2)采用LSSVM和灰狼算法(GWO)相結合的方法,建立了硫分別在純H2S和高含硫天然氣中的溶解度模型(GWO-LSSVM)。運用硫在純H2S、高含硫天然氣中的239個實驗溶解度數(shù)據(jù),對GWO-LSSVM模型進行了訓練(168個)和預測(71個)。結果表明:GWO-LSSVM模型在溫度303-433 K和壓力7.03-60MPa范圍內能較好地預測硫在純H2S以及在高含硫天然氣中的溶解度,AARD分別為3.89%,4.55%。最后也對新模型進行了驗證及有效性評價,并給出模型適用的溫度和壓力范圍。(3)采用密度拐點的思想,分段擬合,改進了 Chrastil締合模型,實現(xiàn)了任何高密度氣體都可以找到一個或者幾個密度拐點,進而對硫在純H2S、高含硫天然氣中的溶解度數(shù)據(jù)進行關聯(lián)。并與4種國內外公開發(fā)表的半經驗締合模型做出對比分析,結果表明新模型AARD為9%,具有一定的硫溶解度預測能力。(4)采用相同的文獻實驗數(shù)據(jù),對比本文新建立的GA-LSSVM模型、GWO-LSSVM模型、改進的半經驗締合模型、胡景宏等人模型、郭肖等人模型、卞小強等人模型,結果表明:卞小強等人模型(2009)計算精度最高,AARD=3.86%,胡景宏模型計算精度最低,AARD=15.6%。精度從高到低排序為:卞小強等人模型(2009)、GWO-LSSVM模型、郭肖等人模型、GA-LSSVM模型、卞小強等人模型(2011)、改進的締合模型、胡景宏等人模型。
【學位單位】：西南石油大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TE37
【部分圖文】：

圖１－１本文主要技術路線??

圖２－１元素硫的Ｐ－：Ｔ相圖［Ｉ１??由圖２－１可知，存在著三個三相點，實線為穩(wěn)定平衡態(tài)，而虛線則為介穩(wěn)平衡態(tài)

圖３－１點的擬合曲線??ＳＶＭ一一，
【參考文獻】

相關期刊論文 前10條

1 柴巖;王慶菊;;基于邊界向量的樣本取樣SMO算法[J];系統(tǒng)工程;2015年06期

2 王杰祥;陳征;靖偉;陸國琛;牛志偉;;基于支持向量機的二氧化碳非混相驅效果預測[J];石油鉆探技術;2015年02期

3 李洪;李治平;賴楓鵬;王才;韋青;張航;;高含硫氣藏元素硫溶解度預測新模型[J];西安石油大學學報(自然科學版);2015年02期

4 陳磊;李長俊;冷明;任帥;劉剛;任強;;基于遺傳BP神經網絡預測硫在高含硫氣體中溶解度[J];現(xiàn)代化工;2014年09期

5 周金明;王傳玉;何幫強;;基于混合核函數(shù)FOA-LSSVM的預測模型[J];計算機工程與應用;2015年04期

6 尹小紅;劉強;徐鋒;;高含硫氣藏元素硫溶解度計算方法研究[J];內江科技;2013年04期

7 王越;呂奇峰;王泉;曾晶;;一種改進的支持向量機序列最小優(yōu)化算法[J];重慶理工大學學報(自然科學);2013年03期

8 臧淑英;張策;張麗娟;張玉紅;;遺傳算法優(yōu)化的支持向量機濕地遙感分類——以洪河國家級自然保護區(qū)為例[J];地理科學;2012年04期

9 卞小強;杜志敏;湯勇;;四參數(shù)締合模型預測酸性氣體中硫的溶解度[J];天然氣工業(yè);2011年03期

10 卞小強;杜志敏;郭肖;湯勇;楊學鋒;;硫在高含H_2S天然氣中溶解度的實驗測定[J];天然氣工業(yè);2010年12期

相關博士學位論文 前2條

1 吳青;基于優(yōu)化理論的支持向量機學習算法研究[D];西安電子科技大學;2009年

2 楊學鋒;高含硫氣藏特殊流體相態(tài)及硫沉積對氣藏儲層傷害研究[D];西南石油大學;2006年

相關碩士學位論文 前3條

1 李瀟亞;改進的GABC-SVM及其在MOOC學習模式識別中的應用[D];華南理工大學;2016年

2 吳建峰;水在超臨界二氧化碳中的溶解度研究[D];浙江工業(yè)大學;2014年

3 朱永才;基于支持向量機的儲層參數(shù)預測方法研究[D];西南石油大學;2012年

本文編號：2889437