相关实验视频
Updated: Jul 6, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
887
基于PSO-BPNN及其应用的开采钻井自燃风险预测模型
Wei Wang1,2, Ran Liang3, Yun Qi4,5,6
1College of Mechanical Engineering and Automation, Liaoning University of Technology, Jinzhou, 121001, People's Republic of China. wangwei@sxdtdx.edu.cn.
Scientific reports
|January 3, 2024
概括
一个新的PSO-BPNN模型改善了对天然气开采钻井的自燃风险预测. 与现有方法相比,这种优化的模型显示出更高的精度和稳定性,提高了矿山安全.
科学领域:
- 采矿工程 采矿工程 采矿工程
- 计算智能是一种计算智能.
- 风险管理 风险管理
背景情况:
- 在天然气开采钻井中自发燃烧带来了重大安全风险.
- 准确的预测模型对于防止此类事件至关重要.
- 现有的预测模型在准确性和稳定性方面存在局限性.
研究的目的:
- 开发一个改进的风险预测模型,用于气体开采钻井自燃.
- 提高自燃风险评估的准确性和可行性.
- 根据已确定的方法验证模型的性能.
主要方法:
- 开发了一个粒子集群优化-反向传播神经网络 (PSO-BPNN) 模型.
- 使用PSO优化了BP神经网络的连接权重和值.
- 将PSO-BPNN模型性能与BPNN,GA-BPNN,SSA-BPNN和MPA-BPNN模型进行比较.
- 在三个真实世界开采钻井上验证了模型.
主要成果:
- 在PSO-BPNN模型中,平均相对误差为4.38%,平均绝对误差为0.0678,根平均平方误差为0.0934,确定系数为0.9874.
- 在预测准确性方面比BPNN,GA-BPNN,SSA-BPNN和MPA-BPNN模型显著改善.
- 当应用到实际的矿山开采钻井时,展示了卓越的准确性和稳定性.
结论:
- 该PSO-BPNN模型提供了一个更准确,更稳定的方法来预测天然气开采钻井中的自燃风险.
- 这一进步有助于加强采矿操作中的安全协议.
- 该模型的有效性被验证为在各种采矿环境中的实际应用.
更多相关视频
08:38Microfluidic Devices for Characterizing Pore-scale Event Processes in Porous Media for Oil Recovery Applications
Published on: January 16, 2018
10.5K
10:27A Uniaxial Compression Experiment with CO2-Bearing Coal Using a Visualized and Constant-Volume Gas-Solid Coupling Test System
Published on: June 12, 2019
8.7K