基于神经网络算法的耗气量预测方法

本申请属于油气流动安全保障技术领域，揭示一种基于神经网络算法的耗气量预测方法，该方案首先采集水合物生成实验中复配型水合物抑制剂的组分数据、实验温度数据和实验压力数据，基于采集到的数据构建实验样本数据集，再基于样本数据集和样本标签数据对神经网络模型进行训练，获得耗气量预测模型，通过耗气量预测模型实现耗气量预测。在模型训练过程中能够综合考虑多种影响因素，建立起耗气量与各种影响因素之间的复杂映射关系，能够实现对不同工况下的耗气量的准确预测，从而为油气输送系统的优化设计和运行提供重要决策支持。