87 / 2023-07-13 13:19:05

基于深层神经网络估算正烷烃在超临界 CO2 中的溶解度

超临界二氧化碳； 正构烷烃的溶解度； 深层神经网络；线性回归

大量烃类在CO2中溶解度差，一定程度上制约了CO2-EOR（提高采收率）在现代采油行业中的应用。因此研究各种烃类在超临界二氧化碳(scCO2)中的溶解度规律具有重要意义。CO2 注入作为经济和环境友好的流行方法之一,在 EOR 中有着广泛的应用。本文的目标是估计正构烷烃在scCO2中的溶解度。本研究重点将介绍了基于线性回归的深层神经网络的模型来估计正构烷烃在scCO2中的溶解度中的应用。开发模型的调整参数由神经网络自行学习确定。实验将采用160个溶解度数据点用于训练模型，40个溶解度数据点用于测试模型。模型建立后，将采用统计和图形技术来验证模型的准确性和有效性。另外，为了证明该模型的优势，用同样的数据集训练其他神经网络模型将得到的结果进行比较，以说明本实验所用模型能更好的估计烷烃的溶解度。结果表明，该模型对于溶解度数据的预测是精确且可行的。总数据点的R2、均方根误差、SD和平均绝对相对偏差百分比的结果值分别为总体数据的0.9801、0.1136、0.65和0.7642，比其他的模型的准确性高出 10%.