Kohleschichtgasressourcen werden weit verbreitet bei der Entwicklung von Vertikalbohrungen eingesetzt, wobei ein Steuerungs- und Wasserförderungssystem angewendet wird. Der Flussdruck am Bohrlochboden ist ein wichtiger Parameter für die Auslegung von Förderplänen und die Wahl der Ausrüstung. Daher ist die Vorhersage des Flussdrucks am Boden einer vertikalen Kohleschichtgasbohrung von großer Bedeutung. Um den Flussdruck am Bohrlochboden einfach und genau vorherzusagen und die Drucksteuerung bei der Förderung von Kohleschichtgasbohrungen zu leiten, wurde das Modell des Rückpropagationsnetzwerks (BPNN) aus dem Bereich des maschinellen Lernens eingeführt und der Spatzen-Suchalgorithmus (SSA) verbessert, um ein Vorhersagemodell für den Flussdruck auf Basis des verbesserten SSA-BPNN zu koppeln. Fünf Parameter, die den Flussdruck am Bohrlochboden beeinflussen und routinemäßig am Produktionsstandort gemessen werden, wurden als Eingangsparameter des Vorhersagemodells ausgewählt, während die entsprechenden Druckwerte als Ausgangsparameter dienten. 600 gemessene Datensätze wurden in Trainings-, Validierungs- und Testdatensätze unterteilt, womit das Vorhersagemodell für den Flussdruck am Bohrlochboden von Kohleschichtgasbohrungen erstellt und validiert wurde. Die durchschnittliche absolute prozentuale Validierungsfehler der BPNN- und des verbesserten SSA-BPNN-Modells betrugen jeweils 3,10 % bzw. 0,53 %, was zeigt, dass die Kopplung von verbessertem SSA und BPNN das Problem lokaler Optima von BPNN lösen und die Genauigkeit der Flussdruckvorhersage am Bohrlochboden verbessern kann. Im Vergleich zum verbesserten SSA-BPNN-Modell, dem genetischen Algorithmus - Support Vector Regression Machine (GA-SVR)-Modell und der physikalischen Analytik betrugen die durchschnittlichen absoluten prozentualen Fehler der drei Modelle 1,318 %, 4,971 % und 18,156 %, wobei das verbesserte SSA-BPNN-Modell den niedrigsten Fehler aufwies, und insbesondere bei niedrigem Flussdruck am Bohrlochboden zeigte das verbesserte Modell eine signifikant höhere Vorhersagegenauigkeit, was eine hohe Präzision und gute Anwendbarkeit zeigt. Das verbesserte SSA-BPNN-Modell benötigt nur fünf Eingangsparameter, reduziert die Komplexität der Eingabe- und Berechnungsparameter, erfordert keine Berücksichtigung der Fluidverteilung im Bohrloch und kann alle Produktionsphasen mit hoher Genauigkeit in verschiedenen Druckbereichen abdecken.

Kohleschichtgas;Spatzen-Suchalgorithmus;Neurales Netz;Flussdruck am Bohrlochboden;Vorhersagemodell