Os recursos de gás de camada de carvão são amplamente aplicados no desenvolvimento de poços verticais, adotando um sistema de produção com controle de pressão e água. A pressão de fluxo no fundo do poço é um parâmetro importante para o projeto do plano de produção e a seleção de equipamentos, portanto, a previsão da pressão de fluxo no fundo do poço de gás de camada de carvão vertical tem grande importância. Para prever convenientemente e com precisão a pressão de fluxo no fundo do poço e orientar a produção com controle de pressão, foi introduzido o modelo de rede neural de retropropagação (BPNN) na área de aprendizado de máquina, ao mesmo tempo que o algoritmo de busca de pardais (SSA) foi aprimorado, construindo um modelo de previsão de pressão de fluxo no fundo do poço baseado no algoritmo SSA aprimorado - rede neural de retropropagação (SSA-BPNN). Foram selecionados cinco parâmetros que afetam a pressão de fluxo no fundo do poço, rotineiramente medidos no campo de produção, como parâmetros de entrada para o modelo de previsão, e os valores correspondentes da pressão no fundo do poço foram usados como parâmetros de saída. Conjuntos de 600 dados medidos foram divididos em conjuntos de treinamento, validação e teste, completando a criação e validação do modelo de previsão da pressão de fluxo no fundo do poço vertical de gás de camada de carvão. O erro percentual absoluto médio do conjunto de validação dos modelos BPNN e SSA-BPNN aprimorado foi de 3,10% e 0,53%, respectivamente, mostrando que a modelagem acoplada do SSA aprimorado e do BPNN pode resolver o problema da otimização local do BPNN e melhorar a precisão da previsão da pressão de fluxo no fundo do poço de gás de camada de carvão. Comparado com o modelo do algoritmo genético - máquina de regressão por vetor de suporte (GA-SVR) e o método do modelo físico analítico, os erros percentuais absolutos médios dos três modelos foram de 1,318%, 4,971% e 18,156%, respectivamente, com o modelo SSA-BPNN aprimorado apresentando o menor erro e, quando a pressão de fluxo no fundo do poço é baixa, a precisão do modelo SSA-BPNN aprimorado aumenta significativamente, mostrando alta precisão e boa aplicabilidade. O modelo SSA-BPNN aprimorado requer apenas cinco parâmetros de entrada, reduzindo a complexidade dos parâmetros de entrada e cálculo, não necessitando considerar a distribuição de fluidos no interior do poço, podendo cobrir todas as etapas de produção com alta precisão em diferentes faixas de pressão.

gás de camada de carvão;algoritmo de busca de pardais;rede neural;pressão de fluxo no fundo do poço;modelo de previsão