| 极端梯度提升与随机森林融合的天然气露点预测方法 |
| |
| 引用本文： | 熊伟,何彦霖,宋伟,张厚望,尹爱军.极端梯度提升与随机森林融合的天然气露点预测方法[J].装备环境工程,2022,19(6):133-140. |
| |
| 作者姓名： | 熊伟 何彦霖 宋伟 张厚望 尹爱军 |
| |
| 作者单位： | 中国石油西南油气田分公司 重庆气矿，重庆 400021;重庆大学 机械与运载工程学院，重庆 400044 |
| |
| 基金项目： | 重庆市科技重大主题专项重点研发项目(cstc2018jszx-cyztzxX0032)；中国石油重庆气矿科研项目(K20-15) |
| |
| 摘 要： | 目的 解决目前水露点数据多为人工采用测量仪器测得，时效性低且成本高昂的问题。方法 建立一种基于极端梯度提升(XGBoost)和随机森林(RF)的天然气水露点预测方法。采用XGBoost方法对所有监测工艺参数进行分析，筛选出主要影响水露点的关键工艺特征参数，以排除无关特征参数对预测的干扰。建立RF预测模型，输入关键特征集参数，实现对水露点的实时预测。以重庆气矿某脱水监测系统监测数据与生产数据为例，对所提预测方法进行对比分析验证。结果 相较于XGBoost、SVM等预测方法，RF模型具有最佳的预测性能，且经过XGBoost特征选择后，RF预测结果的MAE值降低了0.016 9 ℃，RMSE值降低了0.014 6 ℃。结论 基于极端梯度提升与随机森林融合的水露点预测方法具有更优的预测精度与鲁棒性，对指导脱水现场生产具有积极作用。
|
| 关 键 词： | 三甘醇脱水装置 天然气水露点 极端梯度提升(XGBOOST) 特征提取 随机森林(RF)中图分类号:TB115 文献标识码:A 文章编号:1672-9242(2022)06-0133-08 |
Prediction Method of Natural Gas Water Dew Point Based on the Fusion of eXtreme Gradient Boosting and Random Forest Regression |
| |
| XIONG Wei,HE Yan-lin,SONG Wei,ZHANG Hou-wang,YIN Ai-jun.Prediction Method of Natural Gas Water Dew Point Based on the Fusion of eXtreme Gradient Boosting and Random Forest Regression[J].Equipment Environmental Engineering,2022,19(6):133-140. |
| |
| Authors: | XIONG Wei HE Yan-lin SONG Wei ZHANG Hou-wang YIN Ai-jun |
| |
| Institution: | Chongqing Gas District, Southwest Oil and Gasfield Company, Chongqing 400021, China;College of Mechanical and Vehicle Engineering, Chongqing University, Chongqing 400044, China |
| |
| Abstract: | |
| |
| Keywords: | triethylene glycol dehydration unit gas water dew point extreme gradient boosting (XGBOOST) feature extraction random forest (RF) |
|
| 点击此处可从《装备环境工程》浏览原始摘要信息 |
| 点击此处可从《装备环境工程》下载免费的PDF全文 |
