褐炭層ガス資源は直井開発に広く利用されており、圧力および水分制御の排出採取制度を採用しています。井底の流動圧力は排出計画の設計および装置選定における重要なパラメータであるため、褐炭層ガス直井の井底流動圧力予測は重要な意義を持ちます。褐炭層ガス直井の井底流動圧力を便利かつ正確に予測し、褐炭層ガス井の圧力制御排出を指導するために、機械学習分野の逆伝播ニューラルネットワーク（BPNN）モデルを導入し、スズメ探索アルゴリズム（SSA）を改良し、改良されたSSAとBPNNを結合した褐炭層ガス直井井底流動圧力予測モデル（SSA-BPNN）を構築しました。生産現場で通常測定される井底流動圧力に影響を与える5つのパラメータを井底流動圧力予測モデルの入力パラメータとして選択し、対応する井底流動圧力数値を出力パラメータとしました。600組の実測データを訓練セット、検証セット、テストセットに分割し、褐炭層ガス直井井底流動圧力予測モデルの構築および検証を完了しました。BPNNモデルと改良されたSSA-BPNNモデルの検証セットにおける平均絶対パーセント誤差はそれぞれ3.10％と0.53％であり、改良SSAとBPNNの結合モデリングにより、BPNNの局所最適問題を解決でき、褐炭層ガス直井井底流動圧力の予測精度が向上することが示されました。また、改良SSA-BPNNモデルと遺伝的アルゴリズム-サポートベクター回帰（GA-SVR）モデルおよび物理モデル解析法と比較した結果、3つの異なるモデルの平均絶対パーセント誤差はそれぞれ1.318％、4.971％、18.156％であり、改良SSA-BPNNモデルの誤差が最も低く、井底流動圧力が低い場合には改良SSA-BPNNモデルの予測精度が著しく向上し、高い精度と良好な適用性を示しました。改良SSA-BPNNモデルは5つの入力パラメータのみを必要とし、入力および計算パラメータの複雑さを減らし、井筒内の流体分布を考慮する必要がなく、排出の各段階をカバーでき、異なる圧力範囲で高精度を保持します。

褐炭層ガス;スズメ探索アルゴリズム;ニューラルネットワーク;井底流動圧力;予測モデル