基于SVM煤層氣單井采氣系統(tǒng)故障預報的研究.pdf

1、伴隨著我國工業(yè)化進程的推進，國家對新能源的需求日益增長，作為新型環(huán)保能源的煤層氣逐漸受到國家的重視和發(fā)展。然而，煤層氣的開采是一個大規(guī)模、復雜化的過程，如果系統(tǒng)發(fā)生故障就可能會造成人身安全和財產的損失，為了確保煤層氣開采系統(tǒng)安全可靠的運行，不僅要求系統(tǒng)在故障發(fā)生時能夠快速準確的診斷，而且希望在故障發(fā)生前能夠進行預診斷，就能夠為避免故障的發(fā)生做好充足的準備。煤層氣單井采氣是煤層氣集輸系統(tǒng)的基本節(jié)點，單井采氣系統(tǒng)有故障極有可能造成整個煤層氣

2、采氣系統(tǒng)的癱瘓，因此，本文研究的主要問題是針對煤層氣單井采氣系統(tǒng)的故障預報。
　　本文在探討了煤層氣單井采氣的基本原理以及工藝流程的基礎上，深入分析了單井采氣過程中的幾種故障以及影響煤層氣排采的關鍵參數(shù)。
　　針對煤層氣單井采氣系統(tǒng)中采氣參數(shù)變化比較平緩的特點，本文研究了基于支持向量機的煤層氣采氣參數(shù)預測模型，該方法解決了煤層氣采氣系統(tǒng)故障預報中的數(shù)據(jù)預測問題。針對支持向量機的參數(shù)對預測性能的影響，文中介紹了幾種比較常用的優(yōu)

3、化方法（網(wǎng)格搜索法、交叉驗證法、遺傳算法以及粒子群（Particle Swarm Optimization，PSO）算法），在此基礎上，研究了將遺傳算法中的選擇和交叉算子操作與傳統(tǒng)粒子群算法相結合，建立了基于改進PSO算法的支持向量機預測模型。該模型利用最終預報誤差(FinalPrediction Error，F(xiàn)PE)準則確定嵌入維數(shù)，采用改進粒子群算法優(yōu)化支持向量機建模參數(shù)，并采用均方根誤差評價模型的精確度。將該模型應用于煤層氣單井采

4、氣系統(tǒng)的采氣參數(shù)預測，與網(wǎng)格搜索法、粒子群算法優(yōu)化模型以及BP網(wǎng)絡模型相對比，該預測模型具有更高的單步預測和多步預測精度。
　　然后，對于一個完整的故障預報系統(tǒng)，除了需要預測出故障的有無之外，還應該對預測出的參數(shù)狀態(tài)進行診斷。本文在研究了傳統(tǒng)支持向量機基礎上，為了消除噪聲點對建模結果的影響又進一步研究了模糊支持向量機，并且利用模糊C均值聚類算法求解訓練樣本的模糊隸屬度，建立了基于改進PSO優(yōu)化的模糊支持向量機(Fuzzy Supp