第12卷第24期2017年12月
中国科技论文
CHINA SCIENCEPAPER
Vol. 1 2No. 24
Dec.2017
严巡S王长权S袁肖肖2，石立红1
(1.长江大学石油工程学院，武汉430100; 2大港油田采油工艺研究院，天津300280)
摘要：盐水中C〇2的溶解度参数对C〇2地质封存至关重要，通过实验方法获取溶解度数据耗时费力，因此，需要建立理论模 型来进行预测，而神经网络由于能够关联复杂变量之间的情况而广受关注。B P神经网络是1种应用最广泛的前馈神经网络，
利用实验数据建立1个三层结构的B P神经网络模型用于预测盐水中CC2的溶解度，并对网络的结构参数进行优化设计，得到 1种盐水中C C2溶解度预测的B P神经网络模型。同时，利用修正后的亨利定律计算不同条件下的溶解度，并将实验数据、BP
模型预测结果与亨利定律做对比，为确定盐水中CC2的溶解度提供了1种新方法。
关键词：油气田开发工程;B P人工神经网络;C〇2封存；溶解度；预测
中图分类号:T E34文献标志码：A文章编号= 2095-2783(2017)24-2831 - 04
脱墨纸P re d ictio n o f s o lu b ility o f C02in b rin e w ater by BP a rtific ia l neural netw Y A N X u n1, W A N G Changquan1, Y U A N Xiaoxiao2, S H I L ih o n g1
(1. School of Petroleum Engineering, Yangtze U n iversity, W u h a n430100 ^China；
2. O H P roduction T echnology R esea rch In stitu te of D agang Oilfield, Tianjing300280 ^C hina)
A b s tra c t：T h e s o lu b ility o f C〇2in b rine w a te r is essential fo r CO2geological sequestration.
o b tain the s o lu b ility data is tim e-consum ing. T h e re fo re, a theoretical m odel should be established to pre d ict the s o lu b ility. N eural
n e tw o rks have attracted m uch a tte n tio n because they can be used to correlate the s itu a tio n betw een com plex variables. In th is paper, BP neural n e tw o rk is one o f the m ost w id e ly used feedforw ard neural netw orks established b y using the experim ental data to pre d ict the s o lu b ility o f CO2in b rin e, and the s tru c tu ra l param eters o f the n e tw o rk
are optim ized. A BP neural n e tw o rk m odel fo r p re d ictin g the s o lu b ility o f CO2in b rine is obtained, and the s o lu b ility under d iffe r
ent conditions s calculated b y using the m od ifie d H enryk s law. T h e experim ental data and BP m odel p re d ictio n results are compared w ith H enryk s law. T h e BP m odel provides a new approach to determ ine the s o lu b ility o f CO2in brine.
K eyw ords：oil-gas f ie ld developm ent engineering；BP a rtific ia l neural n e tw o rk；CO2sequestration；s o lu b ility；p re d ictio n
在一定温度范围内，确定CO2在盐水中的溶解 度对研究CO2地质封存量以及埋存泄漏风险评估至 关
重要。而对高含水油藏现场实施CO2-E O R项目 中也需要考虑CO2在地层水中的溶解度问题。此 外，在CO2的地热置换研究与应用中也存在CO2在 地层水中的溶解现象。鉴于CO2在水中溶解度预测 的重要性，相关学者对CO2溶解度的热力学模型展 开了大量研究，如D uan等12、Spycher等3所提出 的溶解度模型均是基于热力学平衡条件推导出的，但只能限制在一定的温度、压力和矿化范围内使用。近年来，人工神经网络因其能够关联复杂的多变量 情况而受到广泛关注，有关学者利用神经网络研究 了有机溶液中CO2溶解度的问题47，而利用神经网 络预测盐水中CO2溶解度的研究报道尚少。因此，笔者利用经典的B P神经网络将温度、压力和矿化度 作为关联变量对盐水中CO2的溶解度进行了研究，并将最终得到的网络模型和修正后的亨利定律做了 对比分析。1神经网络的建立
1.1数据收集
数据收集是建立神经网络模型的关键，采集足 够数量的准确数据才能保证所建立的网络具有较强 的预测能力；此外，选择的输入变量需能充分反映实 际过程的复杂性。为建立神经网络模型，将输入数 据分为训练数据和测试数据，前者用于训练网络以 得到最优网络结构和保证预测性能，后者则用来检 验优化后的神经网络模型的预测精度和稳定性。至 于如何确定训练数据和测试数据的比例，相关研究 表明训练数据和测试数据的比例约为3 : 1才能建 立稳定的网络模型，两者比例过小会导致训练不彻 底以及预测精度受限，而比例过大会导致过度拟合 以至于网络可靠性降低8。通过汇总文献中CO2在 盐水中溶解度的实验数据，得到了 182组不同温度、压力和矿化度条件下CO2在盐水中的溶解度数 据91
5，具体条件及数据来源如表1所示。
收稿日期：2017-09-17
基金项目：国家自然科学基金资助项目（51404037)
第_作者：严巡（993 —），男，硕士研究生，主要研究方向为注气提高采收率
通信作者：王长权，副教授，主要研究方向为注气提高采收率及油气相态理论与测试，wonque@qq
2832中国科技论文第12卷
表1C〇2水中的度实验数
源实验度/K实验压f/MPa化度八mol •kg-”
文献[9-10]285〜3732. 5〜710(纯水）
文献[1]288〜2986〜250
文献[2]313〜4330. 1〜10 4 〜6
文献[3]445〜6102. 5〜200 〜2
文献[4]423〜72310 〜1400〜4. 28
文献[5]349〜3941〜700〜3. 9
C02溶于水后形成碳酸的稳定性会受到温度、矿化度3个输入变量和C02溶解度1个输出变量，压力和离子强度的作用，进 C02在盐水中的 所采用的输入变量 计如表2所示。
度。因此，所建立的神经网络包括温度、压
表2用于建立神经网络模型的输入数据范围统计
参数温度/K压力/MPa矿化度/(mol •kg-1)溶解度/(mol •kg-1)
最433．0870 5.999 1.833 5
最285.150.46700.049 7均值33113．5 1.867 20.899 4标准1404020.589 0
1.2 BP神经网络
B P神经网 1种具有反向 学 的前 神经网络，其网络结构具有可调性、信息前向性 测 的反向 等特征。作为 经 典的神经网络模型，被广泛应用于模式 、&等领域，其包含3层结构的B P神经网络拓扑关系
如图1所示。其中，々1，々2,…，A为网络的输入值;
a i，2，…，〜为网络的预测值;^为网络的权值。B P神经网 1线性 ，表 .〃个自变量到m变量的 射 。种射 要 入 集对网络进行训，即对网络的 和进行修正和学习。
1.3亨利定律
在一定温度下，气体在液体中的 度与该气体的分压 比[16]，而C〇2在盐水中 度和C〇2的分压、温度 水的矿化度有关。，可以利用修 的亨利定律来确定C〇2的度。根据化 学 件，当C〇2在盐水中 ，气相和液相中C〇2的逸度相等。
fg =fa；(1)
f g = <P c o2犘c o2；⑵
r T,C0 ，於〇2(犘一犘2〇)、
fa=狓c o2^h〇2exp(----犚犜------)。（3)其中，f g H C〇2在气相中的逸度，M Pa;f a为C〇2在液相中的逸度，M Pa；犓〇2为C〇2的利，MPa;P f2〇为水的饱和压力，M Pa;P为压力，MPa犜为度，K。
在C〇2相态 ，气相中水组分的
含量 []，，气相中C〇2的逸度 和纯
C〇2的逸度 近似相等，采用P R状态方程计
C〇2的逸度 表达式如式(4)所示：
lncp C〇9 =ln(
y
犞一犫C02
n(y^)+
)+
2a C
y犚T15犫
c o.
V~bc〇2
[ln(
a⑴2
犚T15bc〇2
)-
V
b c〇2犘Vy,
V+b c〇2]^犚犜乂(4)式中：0C〇2为C〇2的逸度系数；V C〇2为C〇2在水相
中的尔体积，VC〇2=37. 51 -9. 585X10—4十 8. 74 X10—4f- 5. 044X10—，c m3/m o l;P a t。为水相的饱和蒸气压，M Pa；亨利常数犓於采用下列的经 验公式计算：
犓於=怂10〜犫-6。（5)式中，&二
273. 15)，m
54
2犅,(T— 273. 15)，犽=2犆犜
犻=0 犻=0
为NaCl盐水的矿化度，mol/kg。全国身份证验证系统
2结果与讨论镭射贴
优化后的B P神经网络模型，然 利用测试 B P神经网络性能进行测试 ：验神经网络的适应性和精度。将 的预测结果和实验结 比，的
神经
第24期严巡，等：利用BP 人工神经网络预测盐水中C 02的溶解度
2833
图3 B P 神经网络的训练误差
60 80 100 120 140 160
数据组数
0 0.2 0.4 0.6 0.8 1.0 1,2 1.4 1.6 1.8
实验溶解度/(m d _kg - 〇
图2 B P 神经网络的训练结果
0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0
实验溶解度/(nwbkg ，
图4 B P 神经网络的测试结果
的B P 模型和亨利定律预测结 6
所示， 2种模型的预测值均 在实验值近， 测结果与实验值具有较高的相关度。 利定律确定的 度要比实验测试结 1，这可能是由于确定C 〇2的逸度 气相中水组 C 〇2逸度的 ，而且亨利 的确定也
经验公式拟合 ，并没有严格的理论基
网络模型的预测精度。模 中预测
的 2和图3所示。由图2和图3可，预测值紧密 在图形的 线上，说明模具有 的预测结果，预测值和实验 的平均相对偏差（average absolute relative deviation ， AAR D )为0. 42%。C 〇2 度测试 测值和实验结 的 4所示，预测结果和实验
具有较好的吻合度。模型在 中的
均方 （mean square erro r，MSE )和迭代次数5所示， 代 的 ，实验 和测结果越来越 。
础，盐水中 离子对CC 2 度的 无法 ：利 表征，这也会 利定律预测精度：影。利用B P 模型确定的C 〇2 度有离 实验 ， 由 于 BP 模
容器景何局部最 的， 的预测值
比 利 定律 近实验 。
利用修 的亨利定律 化度盐水中C 〇2的 度 度压力的变化，如图7和8所示。 ：在压 于15 M P a 时，CC 2在水中的 度快 ，当压力高于15 M P a 时，CC 2溶量 ；当温度 ，C 〇2在水中的 度。 ，水中C 〇2的 度低于纯水中C 〇2的 度，这是由于盐水中的各种离子 CC 2在水中的 ，根据C 〇2 + H 2〇* HC 〇3，碳酸氢根电 和水中各种离子 的相互作用不利于C 〇2在水中的 。 ，在用经典 学模 丨测盐水中C 〇2的 度时，如何准确表征盐水中各种离子和C 〇2 的相互作用至关重要。而BP 神
.0.8.6.4.2.0.8.6
.4.2
2.1.1.1.1.1.0.0.0.0.1裔雲匿
S
.I
O S )/®魃桂I
磨
2834
微型电风扇中国科技论文第12卷
经网 1个能关联 的输入 的映射，且数学 证明它具有实现任何复 线性映射的功能，这使它 适合于求 度 复杂的问题。
3结论
1) 利用盐水中C〇2的度实验 建立
向B P神经网络模型，与实验方法相比，使用该 模 测CC2在盐水中的 度 且花费较少，具有较高的适应性和精度，为确定盐水中CC2的度提供了1种新方法。
2) 用于 神经网络的实验 均来自相关文献，总计182组，保证了较好的 ；同时，对网含神经元的 进行了优化，模 测的准确性。但神经网络计 中存在陷入局部最学 的适应性等问题还 入研究。
3) 通过修 的亨利定律计 水中C〇2的
度，并将计算结果和B P模 实验 做了对比，2种模型的预测值均与实验值较为接近。
[参考文献] (R efere n ce s)
[1]D U A N Z，S U N R. A n im proved m odel calculating
C02，s o lu b ility in pure w a te r and aqueous N aC l solu
tions fro m273 to 533 K and fro m0to 2000 bar [J].
Chem ical Geolog y，2003, 193(3/4)：257-271.
[]D U A N Z, S U N R，Z H U C，et al. A n im Proved m odel fo r the calculation o f C02，s o lu b ility in aqueous solu
tions containing N a+，K+，Ca2+，M g2+，C l—，and
S0i—[J].M arin e C h e m is try，2006，98 (2/3/4)：
131-139.
[3]S P Y C H E R N，PR U ESS K，E N N IS-K IN G J. C0-
H2 0m ixtu re s in the geological sequestration o f C02. I.
Assessm ent and calculation o f m utu a l so lu b ilitie s fro m
12 to 100〇C and up to 600 bar [J].Geochimica et Cos-
m ochim ica A c ta，2003，67(16): 3015-3031.
[4]W U Y, L I U B, L I M, et al. P re d ictio n o f C02s o lu b iti-
ty tn polym ers b y radial basis fu n c tio n a rtitic ia l neural
n e tw o rk based on chaotic sel--adaptive particle sw arm
o p tim iza tio n and fuzzy clustering m ethod [J].2013，31
(12): 1564-1572.[5]C H E N G，L U0X，Z H A N G H，et al. A r titic ia l neural
n e tw o rk models fo r the p re d ictio n o f C02，s o lu b ility in
aqueous amine solutions [J].In te rn a tio n a l Journal o f
Greenhouse Gas C o n tro l，2015, 39: 174-184.
[]廖海清，：，陈树琳.应用B P神经网测固体在超临界流体中的度[].化学与，2004,
21(3): 189-192.
L I A0H a i qin g，W U D a k e，C H E N S h ln.p re d ictio n o f
solid s o lu b ility in supercritical flu id b y using BP neural
n e tw o rk[J].Chem ical In d u s try and E n g in e e ring，2004, 21(3)：189-192. (in Chinese)
[7]，_，魏东，等.固体在超临界流体中
度的B P人工神经网络模拟[].山东大学学报（工学)，2006, 36(2)：8-11.
H U Dedong，W A N G W e iqiang，W E I D ong，et al .BP
a rtitic ia l neural n e tw o rk application to the s o lu
b ility
防静电地垫
sim u altion o f solids in supercritical flu id s[J].Journal
o f Shandong U n iv e rs ity(E n g in e e rin g Science)，2006,
36(2)：8-11. (in Chinese)
[8]H A G A N M T.神经网络设计[M].戴奎，译.北京：
机械社，2002.
H A G A N M T. N eural N e tw o rk D e sig n，[M].D A I
K u i，trans. B e ijin g：C hina M achine P ress，2002. (in
Chinese)
[9]W IE B E R，G A D D Y V L. T h e s o lu b ility in w a te r o f
carbon dioxide at 50，75 and 100°，at pressures to 700
atmospheres [J].Journal o f the A m erican Chem ical So-
c ie ty，1939, 61(2)：315-318.
[10] W IE B E R，G A D D Y V L. T h e s o lu b ility o f carbon d i
oxide in w a te r at various tem peratures fro m12 to 40°
and at pressures to 500 atmospheres .C ritic a l phenome
na [J].Journal o f the A m erican Chem ical S ociety，1940, 62(4)：369-378.
[11] K IN G M B，M U B A R A K A,K I M J D, et al. T he m u
tual so lu b ilitie s o f w a te r w ith supercritical and liq u id
carbon dioxides [J].Journal o f S u p ercritical F lu id s，1992, 5(4)：296-302.
[12] R U M P F B，M A U R E R G. A n experim ental and theo
retica l inve stig a tion on the s o lu b ility o f carbon dioxide in
aqueous solutions o f strong electrolytes [J].Berichte
D er Bunsengesellschatt F iir Physikalische C hem ie，
1993, 97(1)：85-97.
[13] E L L IS A J .T h e s o lu b ility o f carbon dioxide in w a te r at
h ig h tem peratures [J].A m e rican Journal o f Science，
1959, 257(3)：217-234.
[14] T A K E N0U C H I S, K E N N E D Y G C. T he s o lu b ility o f
carbon dioxide in N aC l solutions at h ig h tem peratures
and pressures [J].A m erican Journal o f Science，1965
(263)：445-454.
[15] P R U T T0N C F, S A V A G E R L. T h e s o lu b ility o f car
bon dioxide in calcium chlo ride-w a te r solutions at 75,
100，120° a n d h ig h p re s s u re s[J].Journal o f the A r-
nerican Chem ical S ociety，2002(9) ：1550-1554.
[6]朱文涛.物理化学[M].北京：清华大学社，1995.
Z H U W entao .Physical ch e m istry [M].B e ijin g：T s in-
ghua U n iv e rs ity P ress，1995. (in
Chinese)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议