摘要：混合输送是不同原油在同一管道中输送最常用的一种方式，快速、精准地掌握混合原油的流动参数，是制定混合原油配输方案、保证管道安全高效灵活运行的基础，通过人工取样测试确定混合原油凝点，难以及时有效对进管原油进行管控；运用基于组分原油配比和凝点的经验模型计算混合原油凝点，虽简便易行，但在方法上存在预测精度提升的瓶颈；建立一种基于XGBoost集成机器学习模型的混合原油凝点预测方法。结果表明：当模型以组分原油凝点、密度、黏度以及配比为输入参数时，经8 912组数据训练后的混合原油凝点预测平均绝对偏差为1.12℃;当输入参数中组分原油凝点缺失时，预测平均绝对偏差为1.93℃,其中绝对偏差小于2℃的占88.0%。

关键字：混合原油;凝点;机器学习;预测

ISSN号：1673-5005

卷、期、页：卷49期2：214-222

发表日期：2025-04-02

期刊分区（SCI为中科院分区）：无

收录情况：EI（工程索引）,CSCD（中国科技引文期刊）（扩展）,北大中文核心期刊

发表期刊名称：中国石油大学学报(自然科学版)

通讯作者：何宇轩,张成,苏杨,黄骞

第一作者：苏怀,李鸿英,张劲军

论文类型：期刊论文

论文概要：何宇轩,苏怀,张成,苏杨,李鸿英,黄骞,张劲军，基于集成机器学习模型的混合原油凝点预测方法，中国石油大学学报(自然科学版)，2025，卷49期2：214-222

论文题目：基于集成机器学习模型的混合原油凝点预测方法