基于GM(1,N)改进模型的瓦斯水合物相平衡预测
基于AHP及GM(1,N)的煤矿瓦斯安全状态的识别和预测
基于AHP及GM(1,N)的煤矿瓦斯安全状态的识别和预测崔迎迎【摘要】煤矿瓦斯事故是煤矿主要灾害之一,研究煤矿瓦斯安全状态的识别和预测,对实现煤矿瓦斯安全管理、预防煤矿瓦斯事故具有重要意义.鉴于此,在对典型煤矿瓦斯事故进行统计分析的基础上,运用AHP方法建立瓦斯安全状态评价指标体系,并采用GM(1,N)模型预测瓦斯安全状态.【期刊名称】《科技创业月刊》【年(卷),期】2016(029)006【总页数】3页(P102-104)【关键词】瓦斯安全;识别预测;AHP;GM(1,N)【作者】崔迎迎【作者单位】武汉大学经济与管理学院湖北武汉 430072【正文语种】中文【中图分类】TD77瓦斯被称为煤矿安全的“第一杀手”，典型的煤矿瓦斯事故案例分析可以帮助人们获取导致事故发生的主要内在原因，提取影响煤矿瓦斯安全的众多因素，构建煤矿瓦斯安全影响因素体系。
更重要的是在正确识别瓦斯安全状态的基础上，对井下的环境数据进行实时动态监控，避免造成瓦斯聚集、突出和爆炸。
因此，煤矿瓦斯安全状态识别和预测系统的建立，对抑制瓦斯灾害的发生以及促进煤炭工业安全可持续发展具有重要理论意义和实用价值。
1.1 影响煤矿瓦斯安全状态识别的因素分析通过对典型煤矿瓦斯事故进行研究，将事故原因提取和归类为人、机、环、管四个方面。
（1）人为原因。
由于煤炭行业劳动力队伍的“农民工化、临时工化”，使得农民工逐步成为井下一线的主力，造成“三低一高”的煤矿职工队伍现状。
他们普遍存在个体安全意识差，对事故的危险性、危害性认识不足，对事故没有恐惧心理，工作中胆大妄为，违章操作的现状，这就成为我国煤矿瓦斯事故最主要的导火索。
（2）机器原因。
近年来因“装备设施”故障引发的瓦斯事故占总事故的10.67%，由于装备条件落后导致煤矿事故的隐患相当严重。
据统计，我国煤矿机械化程度平均仅为42%，国有重点煤矿采煤机械化程度达到81.5%，掘进综合机械化程度为21.5%，其它类型矿井机械化水平很低。
基于GM_(0,n)灰色预测模型的构造预测及定量评价
的预测评价结果,基于对井田构造发育规律的充分
分析,选取最优评价指标,结合灰色模糊综合评价
和灰色系统建模的方法对井田未采区域地质构造的
复杂程度进行了量化研究和综合评价.
１ 井田概况
芦岭井田位于宿东向斜西南翼的东南段,含煤
地层为石炭、二叠系,主采 ８＃ 、９＃ 、１０＃ 煤层.斜
切断层在井田 内 较 为 发 育,走 向 以 NNE、NE 向 为
度.
(
３)
(
２)断层强度 (
F).它反映断裂构造的发育程
t
２ 定量评价指标的确定
作为定量评价地质构造复杂程度的基础,评价
指标的确定直接关系到评价结果的准确性.鉴于不
同区域不同井田多 样 化 的 构 造 条 件 以 及 开 采 方 式、
生产机械化程度的差异,统一的指标体系套用是不
可取的,必须与矿井实际情况紧密结合.在此基础
va
l
ua
t
i
onc
r
i
t
e
r
i
ao
ft
hege
o
l
og
i
c
a
ls
t
r
uc
t
u
r
ec
omp
l
ex
i
t
ft
hemi
neda
r
e
awe
r
ee
s
t
ab
Ｇ
yo
l
i
shedbyus
i
ngt
heg
r
eyf
u
z
z
va
l
ua
t
i
onme
改进GM(1,1)-ARIMA-LR模型天然气产量预测研究
改进GM(1,1)-ARIMA-LR模型天然气产量预测研究
林文辉;杜彦炜;赵鹏
【期刊名称】《西安工业大学学报》
【年(卷),期】2024(44)1
【摘要】为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含
GM(1,1)、ARIMA和LR的集成预测模型。
该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。
实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。
对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。
本文运用该模型对2023-2030年中国天然气产量进行预测。
【总页数】9页(P32-40)
【作者】林文辉;杜彦炜;赵鹏
【作者单位】西安工业大学机电工程学院;西安工业大学新生院
【正文语种】中文
【中图分类】TE328
【相关文献】
1.改进GM(1,1)模型在四川天然气需求预测中的应用
2.基于改进灰色GM(1,1)模型的天然气负荷预测
3.运用改进的GM(1,1)模型预测我国水产饲料产量
4.运用改进的GM(1,1)模型预测我国猪饲料产量
5.应用PSO-改进GM(1,1)模型预测油田产量
因版权原因，仅展示原文概要，查看原文内容请购买。
对基于残差GM(1,1)模型的煤矿矿井涌水量的预测
一
Ｂ ＝
ｚ （ ３ ）
ｚ ’ （ ）
一
） ＝
精度 ：
利用最 小二乘法解得 ：
ａ＝（ Ｂ ） Ｂ 】 ，
２ ． ２ ． ４确定 白化形式的微分方程 。
＋ ａ ｚ ＝６ Ｄ
Ｐ＝１ 一 ｅ 。 ’ （ ａ ｖ ｇ １
Ｌ
— — — — — — — — — — — — — — — — …
… ～
～
—
— —
…
一
◆ （ ２ ）
】 ，＝
一
ｚ ‘ （ ２ ）
Ｐ （ ｏ （ 七 ） ：生 × １ ０ ０ ％
平 均 残差 ：
‘ ｏ （ ３ ）
２ 灰 色 理 论 模 型
２ ． １灰色 系统预测理论
灰 色 系统理论 是将一 随机 变量看作 一定 范 围内变化 的 灰色量 ，将 随机过程看作一定范围 内变化的 、与时间有关 的 灰 色过 程。用数 据处理的方法 ， 将杂乱无章 的原 始数 据整理 成规律性较强 的生成数据再作研究 网 。 灰色 系统 预测通过原始数 据的处理和灰 色模型的建立 、 发现 、掌握 系统发展规律 ，对 系统 的未来状态做 出科学的定
查 区的北 中部 ，井 田面积 ８ ８ ． ６ ４ ｋ ｍ ，矿井 生产能力 １ ５ ０ ０万 型的基础上进行改进 。
． ２ ＧＭ （ １ ， １） 模型 的建立 ｔ ， ａ ，是 以碳酸盐岩岩溶含水层为主 的充水矿床 ，煤矿涌水量 ２
大且来 源复杂 ，特别是 随着开采深度 的不断加大 ，矿井涌水 量 的预测面临更大的挑战 “ 】 。当数据波动小 ，规律性强时 ， Ｇ Ｍ（ １ ， １ ）模型进行灰色预测 的基本步骤如下 ：
GM(1,1)残差修正模型在建筑形变预报中的应用
GM(1,1)残差修正模型在建筑形变预报中的应用陈中新;蔡勇【摘要】通过对比建筑形变监测数据的GM (1,1)模型和改进的GM(1,1)残差修正模型建模的预报结果,表明残差修正GM(1,1)模型的预报精度明显高于传统GM(1,1)模型的预报精度,并且二次残差修正GM(1,1)模型的预报精度远高于一次残差修正GM(1,1)模型的预报精度,从而为准确形变预报提供了一种简单而有效的新实践.【期刊名称】《城市勘测》【年(卷),期】2010(000)003【总页数】3页(P133-135)【关键词】GM(1,1)模型;残差模型;形变预报【作者】陈中新;蔡勇【作者单位】苏州工业园区测绘有限责任公司,江苏,苏州,215021;南通赛维测绘有限公司,江苏,南通,226100【正文语种】中文【中图分类】TU196目前，城市的高层及超高层建筑越来越多，其结构体型、施工工艺也日益复杂，施工过程中常常受到基础周围土质的变化(如松动、水层侵蚀等地质条件的影响)以及上部荷载的作用，造成基础变形；在运营过程中也会因为风流和温度变化使建筑物产生形变，轻者出现裂缝，重者危及安全，因此变形监测和形变预报已成了运营管理、安全使用的重要指导，受到了全社会的普遍关注。
常用的建筑物形变预报有回归分析[1]、最小二乘配置法[2]等方法，在实际工程应用中，由于观测条件等客观因素的噪声影响，难于满足分析方法要求的观测数据为大样本，具有特征分布的要求，而GM(1，1)模型灰色预测[3]属于非线性外推预测，具有所需样本数据少，建模简单等优点，因此得到了广泛的应用，但其预报有时特别成功，有时却精度不高，从而引发了许多研究者从模型的初始值的选取[4]、背景值的构造[5～6]等方面进行深入的研究，力图找出影响GM(1，1)模型精度的关键因素。
本文引入GM(1，1)的残差修正[7]对原始模型进行改进，并通过建筑形变预报实例验证表明，残差修正模型的预测误差明显缩小，精度明显高于传统GM(1，1)模型。
基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测
利用灰色 Ｇ Ｍ（ １ ， １ ） 新陈代谢模型［ ６ １ 预 测时 ， 只需
煤矿 现 代化
２ ０ １ ３ － ｒ 第４ 期
总第１ １ ５ 期
基 于灰 色 Ｇ Ｍ（ １ ， １ ） 新 陈代 谢模型 的矿 井瓦斯涌 出量 动态预 测
魏 风清 一 ，李振 兴 － ，王 小研
（ １ ． 河 南理工大 学安全科 学与工程 学院 ， 河南 焦作 ４ ５ ４ ０ ０ ０ ； ２ ． 中国平煤神马股份集团勘探工程处 ， 河南 平顶山 ４ ６ ７ ０ ０ ０ ）
根据 最 小二 乘 法 可求 得 参数 ａ与 ｈ ，设 三 ＝ 【 ａ ｈ Ｊ ｌ Ｔ ’
则 三 ： （ Ｂ Ｔ — Ｂ） 一 Ｂ
ｆ ２）
６ ㈩ ㈩ｆ 【 １ Ｏ ０ ％
则 平 均 相 对 误 差 ＝ ｝ 荟６ ‘ 。 （ ｋ ） 。 Fra bibliotek 用 平 均 相
摘 要 矿 井 工作 面 瓦斯 涌 出是 一 个动 态不 确定 的过程 ，因此 最新 瓦斯 涌 出数据 的研 究至 关重要 ， 本 文将灰 色 Ｇ Ｍ（ １ ， １ ） 模 型 瓦斯 涌 出量预 测结 果加入原 始数 列 ， 对原 始数据 序 列的信 息进 行 更新 ， 建立 了矿
井 瓦斯 涌 出量 Ｇ Ｍ（ １ ， １ ） 新 陈代谢 动 态预 测模 型 ， 采用残差检 验 法对该模 型精度进 行检 验 ， 其 平均相 对误 差为 ３ ． ８ ６ １ ％， 预 测精 度 明显优 于 Ｇ Ｍ（ １ ， １ ） 模型， 提 高 了灰 色 Ｇ Ｍ（ １ ， １ ） 模 型预 测 瓦斯 涌 出量 的精 度 。 关键 词 灰 色理 论 ； Ｃ Ｍ（ １ ， １ ） 新 陈代谢 模 型 ； 瓦斯 涌 出量动 态预 测 中 图分类 号 ： Ｔ Ｄ ７ １ ２ ． ５ ２ 文献 标 志码 ： Ａ 文 章编 号 ： １ ０ ０ ９ ～ ０ ７ ９ ７ （ ２ ０ １ ３ ） ０ ４ — ０ ０ ５ ３ — ０ ３ 据统 计 ，在建 国以来 的 ２ ５起 煤矿 百 人 以上死 亡 事故中 ， 瓦斯爆 炸 事故 造成 的死 亡人 数 占事 故 总人 数 的５ ５ ． ５ ６ ％， 起 数 占总起数 的 ６ ４ ％ｌ １ 】 。 因此 ， 准确 地预 测 矿 井 瓦 斯 涌 出量 ， 对 于 防 治 瓦斯 灾 害 、 避 免 井 下 财 产 损 失 及人 员伤 亡 ， 从 根 本上 解 决煤 矿安 全 问题 具有 重 要 的现实 意义 。 目前 ， 矿井 瓦斯 涌 出量 预测 方法 主 要 有： 矿 山统计 法 、 分 源预 测 法［ ２ １ 、 瓦斯 含 量 法 ［ ３ １ 、 瓦 斯 梯
应用改进的残差GM(1,1)模型预测城市用水量
应用改进的残差GM(1,1)模型预测城市用水量
刘琪铭
【期刊名称】《工程与建设》
【年(卷),期】2007(021)003
【摘要】运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.
【总页数】3页(P248-249,269)
【作者】刘琪铭
【作者单位】合肥工业大学,土木建筑工程学院,安徽,合肥,230009
【正文语种】中文
【中图分类】TU991.64
【相关文献】
1.应用GM(1,1)模型预测城市中长期用水量 [J], 王伟;廖正福
2.矿区非线性沉降的GM(1,1)预计残差改进模型及应用 [J], 阎跃观;代文晨;牛永泽;谯震
3.矿区非线性沉降的GM(1,1)预计残差改进模型及应用 [J], 阎跃观;代文晨;牛永泽;谯震
4.利用灰色残差GM(1,1)-Markov模型预测水工混凝土的劣化 [J], 康春涛;贡力;
王忠慧;杨轶群;王鸿
5.改进背景值的非等间距GM(1,1)模型预测用水量 [J], 王园园;刘遂庆;卫东
因版权原因，仅展示原文概要，查看原文内容请购买。
改进双向长短期记忆神经网络的瓦斯涌出量预测
改进双向长短期记忆神经网络的瓦斯涌出量预测1. 内容简述改进双向长短期记忆神经网络的瓦斯涌出量预测是一种基于深度学习技术的预测方法，旨在利用神经网络模型对瓦斯涌出量进行准确预测。
本文首先介绍了双向长短期记忆神经网络的基本原理和结构特点，然后针对现有方法在预测准确性、泛化能力和计算复杂度方面存在的问题进行了分析。
在此基础上，提出了一种改进的双向长短期记忆神经网络模型，通过引入注意力机制和残差连接等技术，有效提高了模型的预测性能。
通过实际数据集的验证实验，证明了所提方法的有效性和优越性。
1.1 研究背景瓦斯涌出量预测是煤矿安全生产中的重要问题，对于预防瓦斯事故、保障矿工生命安全具有重要意义。
传统的预测方法主要依赖于经验公式或统计模型，但这些方法往往不能很好地适应复杂的煤矿环境和实际数据。
随着深度学习技术的发展，神经网络在各种领域取得了显著的成果，如图像识别、语音识别等。
将双向长短期记忆神经网络(BiLSTMM)应用于瓦斯涌出量预测具有很大的潜力。
双向长短期记忆神经网络是一种特殊的循环神经网络(RNN),它可以捕捉序列数据中的长期依赖关系和短期依赖关系。
BiLSTMM模型通过引入门控机制来解决传统RNN在处理长序列数据时遇到的梯度消失和梯度爆炸问题，从而提高了模型的性能。
目前关于改进BiLSTMM模型在瓦斯涌出量预测中的应用研究还相对较少。
本研究旨在提出一种改进BiLSTMM模型，以提高其在瓦斯涌出量预测任务上的性能。
我们将对现有的BiLSTMM模型进行分析，找出其存在的问题和不足之处；然后，针对这些问题，提出相应的改进措施；通过实验验证所提出的改进模型在瓦斯涌出量预测任务上的有效性。
1.2 研究目的本研究旨在改进双向长短期记忆神经网络(BiLSTMM)在瓦斯涌出量预测中的应用。
瓦斯涌出量是煤矿安全生产中的一个重要指标，对于预防和减少矿井事故具有重要意义。
由于煤矿环境的复杂性和不确定性，传统的预测方法往往难以准确预测瓦斯涌出量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ＧＭ（ １ ， Ｎ）ｍｏ ｄ ｅ ｌ
’
Ｍ Ｕ Ｙａ ｍ 一，
Ｍ Ｕ Ｌ ｉ ｈ ｕ ａ
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ ， Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，Ｈ ａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ２ ２， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｄ ｅ ｐ ａ ｒ ｔ ｍ ｅ ｎ ｔ ｏ ｆ
Ｇ Ｍ（ １ ， Ｎ）ｍ ｏ ｄ ｅ ｌ ｕ ｓ ｉ ｎ ｇ ａ ｒ ｅ ｓ ｉ ｄ ｕ ａ ｌ ｒ ｅ ｐ ａ ｉ ｒ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｅ ｄ ｆ ｒ ｏ ｍ ｇ ｒ ａ ｙ ｒ ｅ ｓ ｉ ｄ ｕ ａ ｌ Ｇ Ｍ（ １ ， Ｎ）ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ
Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｖ ｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，Ｈ ａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ２ ５ ，Ｃ ｈ ｉ ｎ ａ ）
Ａｂｓ ｔ ｒ ａ ｃ ｔ： Ｔｈ ｉ ｓ ｐ ａ ｐｅ ｒ ｉ ｓ ｄ ｅ ｖ ｏ ｔ ｅ ｄ ｓ ｐ ｅ ｃ ｉ ｉｃ ｆ ａ ｌ ｌ ｙ ｔ ｏ ａ ｎ ｉ ｎ — ｄ ｅ ｐｔ ｈ ｓ ｔ ｕ ｄ ｙ ｍｏ ｔ ｉ ｖ ａ ｔ ｅ ｄ ｂ ｙ ａ ｄ ｅ ｅ ｐ ｅ ｒ ｕ ｎｄ ｅ ｒ ｓ ｔ ａ ｎ ｄ —
中图分 类 号 ： Ｔ Ｄ ７ １ ２； ０ ２ ９ 文章编 号 ： ２ ０ ９ ５ —７ ２ ６ ２ （ ２ ０ １ ５ ） ０ １ —０ ０ ７ ０ — ０ ５ 文 献标 志码 ： Ａ
ｔ ｅ ｐｈ ａ ｓ ｅ ｅ ｑ ｕ ｉ ｌ ｉ ｂ ｒ ｉ ｕ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ
Ｖｏ １ ． ２ ５ Ｎｏ ．１
Ｊ ａ ｎ ．２ ０ １ ５
基于 Ｇ Ｍ（ １ ， Ｎ） 改进模 型 的瓦斯水 合物相 平衡 预测
慕 亚 茹 一， 母 丽华
（ １ ． 黑龙江科技大学 理学院 ，哈尔滨 １ ５ ０ ０ ２ ２；２ ． 黑龙江信息技术 职业 学院 计算机工程系 ，哈尔滨 １ ５ ０ ０ ２ ５ ）
算法更加有效、 可靠， 并且具有 良 好 的实用性， 明显提 高了灰 色预测模型的预测精度 ， 为瓦斯水合物
相 平衡研 究提供 了准确 的数据 支持 ， 具有 一定 的应 用价值 和 实际意 义。
关 键词 ： 瓦斯水合 物 ； 相 平衡 ；灰 色预 测 ；残差 ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． ２ ０ ９ ５ －７ ２ ６ ２ ． ２ ０ １ ５ ． ０ １ ． ０ １ ６
参数列， 采 用灰 色 Ｇ Ｍ（ １ ， Ⅳ） 理论 ， 建 立组 分 （ ） 为Ｃ Ｈ ４ ５ ５ ％、 Ｃ ２ Ｈ ６ １ ０ ％、 Ｃ ３ Ｈ８ １ ０ ％、 Ｃ Ｏ ２ ２ ％、 Ｎ ２ ２ ３ ％
的 瓦斯 气样 在 不 同温度 条件 下的 压 力值 预 测模 型 。结 果表 明 ： 基 于残 差 Ｇ Ｍ（ １ ， Ⅳ） 模 型 的数据 修 复
第２ ５卷
第 １ 期
２ ０ １ ５年 １月
黑 龙 江 科 技 大 学 学 报 Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
ｉ ｎ ｇ ｔ ｈ ａ ｔ ａ ｎ ｉ ｎ ｓ ｉ ｇ ｈ ｔ ｉ ｎ ｔ ｏ ｔ ｈ ｅ ｇ ａ ｓ ｈ ｙ ｄｒ ａ ｔ ｅ ｐｈ ａ ｓ ｅ ｅ ｑ ｕ ｉ ｌ ｉ ｂ ｒ ｉ ｕ ｍ ｃ ｏ ｎ ｄｉ ｔ ｉ ｏ ｎ ｓ ｈ ｏ ｌ ｄ ｓ ｔ ｈ ｅ ｋｅ ｙ ｔ ｏ ｒ ｅ ａ ｌ ｉ ｚ ｉ ｎ ｇ ｔ ｈ ｅ ｇ ａ ｓ ｈ ｙ — ｄ ｒ ａ ｔ ｅ ｓ ｔ ｏ ｒ ａ ｇ ｅ ａ ｎ ｄ ｔ ｒ ａ ｎｓ ｐｏ ｒ ｔ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ．Ｔｈ ｅ ｏｃ ｆ ｕ ｓ ｅ ｄ ｓ ｔ ｕ ｄ ｙ ｉ ｓ ｂ ｅ ｓ ｔ ｐｅ ｒ ｆ ｏ ｒ ｍｅ ｄ ｂ ｙ ｏ ｂ ｔ ａ ｉ ｎ ｉ ｎ ｇ ｔ ｈ ｅ ｐ ｈａ ｓ ｅ ｅ — ｑ ｕ ｉ ｌ ｉ ｂ ｒ ｉ ｕ ｍ ｄａ ｔ ａ ｕ ｓ ｉ ｎ ｇ ｈ ｙ ｄ ｒ ａ ｔ ｅ ｐ ｈ ａ ｓ ｅ ｅ ｑｕ ｉ ｌ ｉ ｂ ｒ ｉ ｕ ｍ ｄ ｙ ｎ ａ ｍｉ ｃ ｍｅ ａ ｓ ｕ ｒ ｅ ｍｅ ｎ ｔ ｄ ｅ ｖ ｉ ｃ ｅ ａ ｎ ｄ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｉ ｎｇ ｒ ｅ ｓ ｉ ｄ ｕ ａ ｌ
摘 要 ： 研 究 瓦斯 水合物 相 平衡 的条件 是 实现 瓦斯 水合 物 储 运技 术 的关键 。利 用 水合 物 相 平 衡 测 定装 置得 到的 动 态相平衡 数 据 ， 采 用基 于 残 差修 复 的 灰 色残 差 Ｇ Ｍ（ １ ， Ⅳ） 模 型 的 数 据 修 复 方 法， 建 立残 差 Ｇ Ｍ（ １ ， Ｎ） 模 型 。以 瓦斯水 合物 相平衡 压 力值 为研 究对 象 ， 以水合 物 相 平衡 温度 值 为