تُستخدم موارد غاز طبقة الفحم على نطاق واسع في تطوير الآبار الرأسية، مع اعتماد نظام التحكم في الضغط والماء للإنتاج والإخلاء. يُعد ضغط التدفق في قاع البئر من المعايير المهمة لتصميم خطة الإنتاج واختيار المعدات. لذلك، فإن التنبؤ بضغط التدفق في قاع بئر غاز طبقة الفحم الرأسية يحمل أهمية كبيرة. من أجل التنبؤ بسهولة ودقة بضغط التدفق هذا وتوجيه التحكم في الضغط والإنتاج في آبار غاز طبقة الفحم، تم إدخال نموذج الشبكة العصبية العكسية الانحدار (BPNN) من مجال التعلم الآلي، مع تحسين لخوارزمية البحث عن العصافير (SSA)، وبناء نموذج تنبؤ بضغط التدفق في قاع البئر قائم على خوارزمية البحث عن العصافير المحسنة-الشبكة العصبية العكسية الانحدار (SSA-BPNN). تم اختيار خمسة معايير تؤثر على ضغط التدفق في قاع البئر تُقاس بشكل روتيني في موقع الإنتاج كمدخلات لنموذج التنبؤ، في حين تم استخدام قيم ضغط التدفق المقابلة كمخرجات له. تم تقسيم 600 مجموعة من البيانات المقيسة إلى مجموعة تدريب، مجموعة تحقق، ومجموعة اختبار، وتم الانتهاء من بناء والتحقق من نموذج التنبؤ. بلغ متوسط الخطأ النسبي المطلق لمجموعة التحقق لنموذج BPNN ونموذج SSA-BPNN المحسن 3.10٪ و0.53٪ على التوالي، مما يدل على أن التوليف بين SSA المحسنة وBPNN يمكن أن يحل مشكلة الوقوع في الحل المحلي لنموذج BPNN ويزيد من دقة التنبؤ بضغط التدفق في قاع بئر غاز طبقة الفحم. بالمقارنة مع نموذج التحليل الفيزيائي وطريقة الانحدار المدعومة بخوارزمية الجينات-آلة المتجهات الداعمة (GA-SVR)، كانت نسب الخطأ المتوسطة للثلاثة نماذج 1.318٪، 4.971٪ و18.156٪ على التوالي، مع أدنى خطأ لنموذج SSA-BPNN المحسن، كما أن دقة التنبؤ للنموذج المحسن أصبحت أعلى بشكل ملحوظ عند انخفاض ضغط التدفق في قاع البئر، مما يعكس دقة عالية وقابلية تطبيق جيدة. يحتاج نموذج SSA-BPNN المحسن فقط إلى خمسة معايير مدخلة، مما يقلل من تعقيد الإدخال والحساب، ولا يتطلب النظر في توزيع السوائل داخل البئر، ويمكنه تغطية جميع مراحل الإنتاج مع دقة عالية في مختلف نطاقات الضغط.

غاز طبقة الفحم;خوارزمية البحث عن العصافير;الشبكة العصبية;ضغط تدفق قاع البئر;نموذج التنبؤ