Ресурсы угольного пласта широко используются при разработке вертикальных скважин с применением системы добычи с контролем давления и водовыделения. Давление потока на забое скважины является важным параметром для проектирования схемы добычи и выбора оборудования, поэтому прогнозирование давления потока на забое вертикальной угольной скважины имеет большое значение. Для удобного и точного прогнозирования давления потока на забое вертикальной угольной скважины и управления добычей с контролем давления был введён модель обратного распространения ошибки нейронной сети (BPNN) из области машинного обучения, а также была улучшена алгоритм поиска воробьёв (SSA), что позволило создать прогнозную модель давления потока на забое угольной скважины на базе улучшенного алгоритма поиска воробьёв - обратной нейронной сети (SSA-BPNN). В качестве входных параметров модели прогноза давления потока на забое выбран 5 параметров, часто измеряемых на производстве, влияющих на давление потока, а соответствующие значения давления на забое использовались как выходные параметры. Набор из 600 измеренных данных был разделён на обучающую, валидационную и тестовую выборки, что позволило создать и проверить модель прогноза давления потока на забое вертикальной угольной скважины. Средняя абсолютная процентная ошибка на валидационной выборке моделей BPNN и улучшенной SSA-BPNN составила соответственно 3.10% и 0.53%, что показывает, что использование улучшенного SSA и BPNN в связке позволяет решить проблему локальных оптимумов в BPNN и повысить точность прогноза давления потока на забое угольной скважины. Сравнение улучшенной модели SSA-BPNN с моделью на основе генетического алгоритма и метода опорных векторов регрессии (GA-SVR) и физической модели показало, что средние абсолютные процентные ошибки трёх моделей составили 1.318%, 4.971% и 18.156% соответственно, при этом у улучшенной SSA-BPNN ошибка была наименьшей, а при низких давлениях потока точность улучшенной SSA-BPNN значительно возросла, демонстрируя высокую точность и хорошую пригодность. Модель улучшенной SSA-BPNN требует лишь 5 входных параметров, что снижает сложность ввода и вычислений, не требует учёта распределения жидкости в стволе скважины и охватывает все стадии добычи с высокой точностью в различных диапазонах давления.

угольный газ;алгоритм поиска воробьёв;нейронная сеть;давление потока на забое;модель прогноза