Los recursos de gas de capa de carbón se utilizan ampliamente en el desarrollo de pozos verticales, adoptando un sistema de producción que controla la presión y el agua. La presión de flujo en el fondo del pozo es un parámetro importante para el diseño del plan de producción y la selección de equipos, por lo tanto, la predicción de la presión de flujo en el fondo del pozo de gas de capa de carbón vertical tiene un significado importante. Para predecir de manera conveniente y precisa la presión de flujo en el fondo del pozo y guiar la producción con control de presión, se introdujo el modelo de red neuronal de retropropagación (BPNN) en el campo del aprendizaje automático, y se mejoró el algoritmo de búsqueda de gorriones (SSA), construyendo un modelo de predicción de presión de flujo basado en el algoritmo mejorado SSA - red neuronal de retropropagación (SSA-BPNN). Se seleccionaron cinco parámetros que afectan la presión de flujo en el fondo del pozo, que se miden convencionalmente en el campo de producción, como parámetros de entrada para el modelo, y los valores correspondientes de presión de flujo se utilizaron como parámetros de salida. Se dividieron 600 conjuntos de datos medidos en conjuntos de entrenamiento, validación y prueba, completando la construcción y verificación del modelo de predicción de presión de flujo en el fondo del pozo vertical de gas de capa de carbón. El error porcentual absoluto promedio del conjunto de validación del modelo BPNN y el modelo SSA-BPNN mejorado fue de 3.10% y 0.53% respectivamente, lo que muestra que el acoplamiento del SSA mejorado con BPNN puede resolver el problema de los óptimos locales en BPNN y mejorar la precisión de la predicción de la presión de flujo en el fondo del pozo. Al comparar el modelo SSA-BPNN mejorado con el algoritmo genético - máquina de vectores de soporte para regresión (GA-SVR) y el método de modelo físico analítico, los errores porcentuales absolutos promedio de los tres modelos fueron 1.318%, 4.971% y 18.156%, respectivamente, siendo el modelo SSA-BPNN mejorado el que presentó el menor error y, además, cuando la presión de flujo en el fondo del pozo es baja, la precisión del modelo SSA-BPNN mejorado aumenta significativamente, mostrando alta precisión y buena aplicabilidad. El modelo SSA-BPNN mejorado requiere solo cinco parámetros de entrada, reduciendo la complejidad de entrada y cálculo, y no requiere considerar la distribución de fluidos dentro del pozo, pudiendo cubrir todas las etapas de producción con alta precisión en diferentes rangos de presión.

gas de capa de carbón;algoritmo de búsqueda de gorriones;red neuronal;presión de flujo en el fondo del pozo;modelo de predicción