基于BP神经网络预测硫在高含硫气体中溶解度.pdfVIP

学兔兔 石 油 与 天 然 气 化 工 第 44卷 第 3期 CHEMICAL ENGINEERING OF OII 8L GAS 基于BP神经网络预测硫 在高含硫气体中溶解度 陈磊 李长俊 西南石油大学石油与天然气工程学院 摘 要 元素硫在高含硫气体中溶解度的研究是硫沉积机理研究、硫沉积预测和处理技术研究的 前提和基础，也是元素硫沉积室内研究工作的核心课题。为了关联和预测硫在高含硫气体中的溶解度， 提出误差逆向传播人工神经网络(BP ANN)模型，并设计了该模型的计算过程，讨论了该模型的参数设 置。计算结果表明，该模型可作为模拟和内推硫在高含硫气体中溶解度的一种较好手段，但外推效果较 差。与现有其他硫溶解度计算模型相比，该模型计算结果优于Chrastil缔合模型和经验公式，与状态方 程法和六参数缔合模型的计算结果相当。 关键词 硫沉积 BP神经网络 预测 元素硫 高含硫气体 溶解度 中图分类号：TE642 文献标志码：A DOI：10．3969／j．issn．1007—3426．2015．03．001 Prediction of sulfur solubility in high sulfur gas based Oil BP neural network Chen Lei，Li Chan幻lln (School of Petroleum Engineering，Southwest Petroleum University，Chengdu 610500。China) Abstract：Research on the elemental sulfur solubility in high sulfur gas is the premise and founda— tion of sulfur deposition mechanism，sulfur deposition prediction and treatment techno1ogy research ， as well as the core subject of indoor sulfur deposition research work．To associate and Dredict the su1一 fur solubility in high sulfur gas，a Back Propagation Artificial Neural Network(abbreviated as BP ANN)model was proposed． Implementation procedure and parameters setting of this mode1 were in