탄층가스 자원은 수직정 개발에 널리 적용되며, 압력 및 수분 제어 방식의 생산 제도를 채택합니다. 정저 흐름 압력은 생산 계획 및 장비 선정에 중요한 매개변수이므로, 탄층가스 수직정 정저 흐름 압력 예측은 중요한 의미를 갖습니다. 탄층가스 수직정 정저 흐름 압력을 편리하고 정확하게 예측하고 압력 제어 생산을 지도하기 위해, 기계 학습 분야의 역전파 신경망(BPNN) 모델을 도입하고, 참새 탐색 알고리즘(SSA)을 개선하여, 개선된 SSA와 BPNN을 결합한 탄층가스 수직정 정저 흐름 압력 예측 모델(SSA-BPNN)을 구축했습니다. 생산 현장에서 일반적으로 측정되는 정저 흐름 압력에 영향하는 5개의 매개변수를 정저 흐름 압력 예측 모델의 입력 변수로 선택하고, 이에 대응하는 정저 흐름 압력 값을 출력 변수로 하였습니다. 600세트의 실측 데이터를 학습 집합, 검증 집합, 시험 집합으로 나누어 탄층가스 수직정 정저 흐름 압력 예측 모델을 구축하고 검증을 완료했습니다. BPNN 모델과 개선된 SSA-BPNN 모델의 검증 집합 평균 절대 백분율 오차는 각각 3.10%와 0.53%로, 개선된 SSA와 BPNN 결합 모델이 BPNN의 국부 최적 문제를 해결하고 탄층가스 수직정 정저 흐름 압력 예측 정확도를 향상시킴을 알 수 있습니다. 또한 개선된 SSA-BPNN 모델을 유전 알고리즘-서포트 벡터 회귀(GA-SVR) 모델 및 물리적 모델 해석법과 비교한 결과, 세 가지 모델의 평균 절대 백분율 오차는 각각 1.318%, 4.971%, 18.156%였으며, 개선된 SSA-BPNN 모델이 가장 낮은 오차를 보였고, 정저 흐름 압력이 낮을 때 개선된 SSA-BPNN 모델의 예측 정확도가 현저히 향상되어 높은 정확성과 우수한 적응성을 나타냈습니다. 개선된 SSA-BPNN 모델은 5개의 입력 변수만 필요해 입력 및 계산 변수의 복잡성을 줄이고, 정공 내 유체 분포를 고려할 필요가 없으며, 모든 생산 단계에 적용 가능하고 다양한 압력 구간에서 높은 정확도를 유지합니다.

탄층가스;참새 탐색 알고리즘;신경망;정저 흐름 압력;예측 모델