摘要
本发明提供了一种天然气水合物记忆效应的预测方法，属于天然气水合物智能建模与预测技术领域，旨在实现对水合物形成与解离过程中的“记忆效应”行为进行精准建模与智能识别。所述方法包括如下步骤：S1：采集实验数据，包括合成温度、解离压力、合成压力、合成‑分解循环次数、分解温度等多个影响记忆效应的变量特征，并以成核时间作为因变量，构建训练数据集；S2：对所述实验数据进行预处理，完成缺失值填补、异常值剔除与标准化处理，得到标准化样本；S3：基于支持向量回归、随机森林、XGBoost与多项式回归等算法构建预测模型，并通过调整模型超参数提升预测性能；S4：基于Python与PyQt5构建图形可视化界面，用户可输入实验条件并选择模型，系统自动预测记忆效应，并据此判断是否存在促进成核行为。本发明融合了特征工程、主动学习、超参数优化与可视化交互等关键模块，具备高精度、高适应性与良好拓展性，适用于天然气水合物相变行为预测、能源储运优化、碳封存过程调控等多种热力学应用场景。
