滑铁卢大学Hosseini等-开发预测甲烷水合物平衡条件的显式模型-CES

Title(题目): Development of explicit models to predict methane hydrate equilibrium conditions in pure water and brine solutions: A machine learning approach  

 (开发预测纯水和盐水溶液中甲烷水合物平衡条件的显式模型：一种机器学习方法)

Source(来源): Chemical Engineering Science,2024,286:119603

Abstract(摘要): 天然气水合物工艺设计的一个重要阶段是预测水合物的形成条件。在这项研究中，基于机器学习技术、基因表达编程(GEP)和优化具有预定结构的两种关联，开发了用于预测纯水和盐水中甲烷水合物形成温度(HFT)的三种显式关联。提出的相关性是基于溶液的压力和离子强度(IS)。与文献相比，这是首次在开发预测甲烷水合物形成温度(HFT)的显式模型时考虑盐度的影响。为了实现实际的相关性，使用了最少数量的系数。误差分析结果与实验数据吻合较好。其中，基于GEP的相关性模型表现最佳，R2为0.8860,AARD为0.087%。所开发的相关性对于学术界和非学术界来说都是容易使用和准确的。

式1-GEP相关性模型

DOI:10.1016/j.ces.2023.119603

Link(链接):https://www.sciencedirect.com/science/article/pii/S0009250923011594