瓦斯水合物在生成过程中会受到很多种因素的影响,其中最主要的三个因素是瓦斯组分、温度和压力。由于其生成过程具有随机性、弱相依性和突变性等特点,运用以往的热力学相平衡预测模型进行预测还存在着预测数值误差比较大、计算速度慢等缺点,因此运用数学理论建立一种预测精度高、误差小的预测模型具有重要的现实意义。基于以上原因,本文选用对原始数据要求较低、又能对受多因素控制的系统进行预测的GM(1,N)模型预测理论和收敛速度快、学习时间短和逼近程度高等优点的RBF神经网络两种理论,建立瓦斯水合物相平衡预测模型。主要做了以下工作：1.本文运用GM(1,N)模型对多变量系统进行建模的原理,结合RBF神经网络理论,建立了多因素影响的瓦斯水合物相平衡预测模型。2.在灰色理论和RBF神经网络二者的结合方法上选取的是差值结合法,并将实际的相平衡参数值参与到模型运算中,从而提高模型的预测精度。3.建立了RBF神经网络瓦斯水合物预测模型、灰色-RBF神经网络瓦斯水合物预测模型和改进灰色-RBF神经网络瓦斯水合物相平衡预测模型,利用三种模型对瓦斯水合物相平衡进行预测,通过实验分析得出改进灰色-RBF神经网络预测模型的预测精度最好,误差最小。4.通过大量的样本值分别预测了CH4、C2H6、C3H8等单组分气体和CH4、C2H6、 C3H8、i-C4H10、n-C4H10、 CO2和N2等气体组成的多组分气体的瓦斯水合物生成相平衡参数,分析了改进模型的预测精度和相对误差。结果表明模型预测值的平均相对误差满足预测精度要求,因此改进的灰色-RBF神经网络建立的预测模型将成为瓦斯水合物相平衡计算及预测的有效方法。