典型文献
基于BP神经网络的咸水层CO2封存注入能力预测方法
文献摘要：
本文采用数值模拟软件CMG-GEM,构建咸水层CO2封存模型,并基于BP神经网络对CO2注入能力进行预测.首先,在数值模拟中考虑了不同地质参数和操作参数,使用拉丁超立方抽样形成220组数值模拟方案,建立机器学习样本库;然后,使用数据归一化、十倍交叉验证等技术,形成CO2注入能力预测的代理模型;最后,利用该模型分别测试Sleipner,Quest和Illinois碳封存项目的注入能力.研究结果表明:最优的BP神经网络的激活函数为satlin,最优的隐藏层神经元数量为10,最优的学习率为0.4;对于Sleipner,Quest和Illinois碳封存项目,训练集、测试集与全部数据的皮尔逊相关系数均超过0.95;使用该代理模型预测的Sleipner,Quest和Illinois碳封存项目年注气量与实际情况年注气量相对误差分别为6.85％,5.57％和3.26％.与传统数值模拟技术相比,该技术具备计算耗时短、准确率高的优点.
文献关键词：
咸水层;二氧化碳封存;碳捕集、利用与封存(CCUS);CO2注入能力;机器学习;BP神经网络;十折交叉验证
中图分类号：
作者姓名：
王志强;李航宇;刘树阳;徐建春;范晨
作者机构：
中国石油大学(华东) 石油工程学院,山东青岛,266580
文献出处：
引用格式：
[1]王志强;李航宇;刘树阳;徐建春;范晨-.基于BP神经网络的咸水层CO2封存注入能力预测方法)[J].中南大学学报（自然科学版）,2022(12):4678-4686
A类：
Sleipner,satlin
B类：
咸水层,力预测,数值模拟软件,CMG,GEM,中考,地质参数,操作参数,拉丁超立方抽样,模拟方案,样本库,使用数据,数据归一化,十倍,代理模型,Quest,Illinois,存项,激活函数,学习率,训练集,测试集,皮尔逊相关系数,注气量,数值模拟技术,二氧化碳封存,碳捕集,CCUS,十折交叉验证
AB值：
0.300745
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
