工程技术论坛Engineering Technology Forum

基于IPSO优化BP神经网络的页岩气井有害气体监测系统
宋欣欣 马晓丽 张佩 赵紫萱 贺晓强

陕西煤田地质油气钻采有限公司，陕西西安，710054；

摘要：为了实现页岩气井开采过程中对有害气体浓度的精准监测，解决复杂环境情况下气体传感器之间由于存在交叉互扰问题而导致测量数据不准确，设计了一款基于改进的粒子群算法（IPSO）优化BP神经网络的页岩气井有害气体监测系统。该系统利用无线Wi-Fi模块、气体传感器模块和STM32模块，将采集到的数据传输至云平台，通过最新版OneNET-View3.0数据可视化模块对监测系统完成数据可视化界面设计，通过任意PC终端登录OneNET云平台可以对页岩气井各有害气体进行实时监测。在监测过程中，通过调整惯性权重、改进IPSO算法，对BP神经网络进行优化，显著提升有害气体浓度的监测精度。利用该系统对四川盆地西南地区页岩气项目有害气体进行测试实验，将传感器测量值与经过IPSO优化BP神经网络模型处理后的数据进行对比分析表明，CO、H2S、SO2三种有害气体的测量精度分别提高了16.85%、26.96%、19.74%，验证了IPSO优化BP神经网络模型的有效性，为页岩气井开采过程中有害气体的精确监测提供了新的依据和方法。

关键词：页岩气；有害气体；粒子群算法；BP神经网络；云平台

参考文献

[1]成潇潇,刘建国,徐亮等.基于页岩气返排液中污染气体浓度及扩散模型研究[J].物理学报,2021,70(13):163-171.

[2]韩伟.浅谈页岩气压裂开采及环境保护[J].化工管理,2019(03):153.

[3]袁梦,田原宇,张君涛.浅谈我国页岩气开发过程中的环境风险与对策[J].广州化工.2016,44(21):144-146.

[4]李小敏,史聆聆,马建等.我国页岩气开发的环境影响特征[J].环境工程,2015,33(09):139-143.

[5]杨德敏,喻元秀,梁睿等.我国页岩气重点建产区开发进展、环保现状及对策建议[J].现代化工,201939(01):1-6.

[6]刘春.遗传算法优化BP神经网络的网络流量预测[J].信息安全与技术,2014,5(6):82-86．

[7]颜七笙,游泳,杨志辉.BP网络结构设计与算法探讨[J].科技广场,2005(3):36-38.

[8]涂娟娟.PSO优化神经网络算法的研究及其应用[D].南京:江苏大学,2013.

[9]庄肖波,李耀明,王曜等.基于粒子群算法的混联机构神经网络自适应反演控制[J].农业机械学报,2020,51(增刊):576-583.