[發明專利]一種原生鹽溶解速率的預測方法

在審

• 申請號: 201810356675.8
• 申請日: 2018-04-17
• 公開（公告）號: CN108573122A
• 公開（公告）日: 2018-09-25
• 發明（設計）人: 唐娜;肖意明;杜威;張蕾;項軍;程鵬高;張建平
• 申請（專利權）人: 天津科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種原生鹽在不同條件下溶解速率的預測方法。首先實驗測定不同組成的原生鹽在不同濃度、溫度、溶解傾角和流速條件下的溶解速率，收集并篩選人工神經網絡模型所需要的樣本數據；構建包含輸入層、隱含層和輸出層的BP人工神經網絡模型；將樣本數據分為兩部分訓練數據與檢驗數據來訓練建立和檢驗人工神經網絡；采用建立的人工神經網絡預測不同組成原生鹽在不同條件下的溶解速率。本發明建立的BP神經網絡模型的預測精度較高，穩定性好，推廣能力強，為原生鹽的水溶開采與造腔工藝提供了基礎數據指導；建立模型后，無需取樣即可快速實現原生鹽在不同溶解條件下的溶解速率預測。

技術領域

本發明專利涉及原生鹽溶解速率預測技術領域，屬于井礦鹽開采技術領域和原生鹽水溶造腔技術領域。

背景技術

原生鹽主要包括鹽湖鹽礦和地下鹽礦兩種，由于鹽類礦物易溶于水的特性，對鹽類礦床的開采常采用水溶開采的技術方法。水溶開采技術是根據鹽類礦物易溶于水的特點，把水作為溶劑注入礦床，在礦床賦存地進行物理化學作用，將礦床中的鹽類礦物就地溶解，固體鹽礦物轉變為流動狀態的鹵水。而利用深部原生鹽洞穴進行能源地下儲備是國際上廣泛認可的能源儲備方式，也是我國能源戰略儲備的重點部署方向之一。

原生鹽的溶解速率是研究鹽礦開采和鹽穴儲庫造腔工藝的重要參數。不管是原生鹽開采還是水溶造腔，都要進行原生鹽溶解速率的測量與控制。在原生鹽開采工藝中，通過原生鹽溶解速率的測量與控制，可以控制采鹵濃度，提高鹽產品產量與質量；在鹽穴儲氣庫造腔工藝中，通過原生鹽溶解速率的測量與控制，可以控制鹽腔形態，保證鹽穴穩定性。部分原生鹽位于地下一千米至幾千米之下，無法方便取樣測量，且影響原生鹽溶解速率的因素較多，除了受原生鹽本身結構、構造、含量組成有關，還與溶劑性質、溶液濃度、流速、傾角等因素有關。因此，建立一種快速準確預測原生鹽礦在不同條件下的溶解速率對井礦鹽生產中原料鹵水濃度精確控制與鹽穴地下儲庫水溶造腔形態控制具有重要指導意義。

CN103163043A公開了一種鹽礦溶解速率的測試裝置及方法，基于質量守恒定律，通過已知的溶解速率公式計算得到原生鹽在不同溫度下的溶解速率，進而得到鹽巖在不同溫度下的溶解速率的規律。此方面需要有待測鹽礦試塊進行直接測量，無法通過其特征進行預測。且僅考慮溫度對溶解速率的影響，忽略了鹵水濃度、溶解傾角和流速條件等重要條件對溶解速率的影響。

發明內容

本發明要解決的技術問題：在無鹽塊進行現場測樣的條件下，根據原生鹽特點對其溶解速率進行預測，并考慮多因素協同作用。

本發明的技術方案是：

(1)通過開展實驗研究，獲不同組成原生鹽在不同濃度、溫度、溶解傾角和流速條件下的溶解速率，收集并篩選試驗結果數據。

(2)將數據樣本分為兩部分，訓練數據和檢驗數據，其中訓練數據占總數據的80％，檢驗數據占總數據的20％，歸一化預處理后得到人工神經網絡模型所需要的樣本數據。

(3)確定最佳的神經網絡模型結構，包括神經網絡的輸入輸出參數、隱含層個數以及隱含層神經元數目；其次，選取適當的學習參數，包括動量項因子、學習率、訓練步長、初始的權值和閾值、激活函數、訓練函數、學習算法、性能函數，對神經網絡模型進行學習和訓練，檢驗神經模型準確性。

(4)根據建立的人工神經網絡模型對原生鹽在不同條件下的溶解速率進行預測。

本發明基于大量實驗數據的基礎上，通過人工神經網絡的方法得到各條件對結果原生鹽溶解速率的映射關系，從而實現對原生鹽在不同條件下的溶解速率的預測。

本發明的有益效果在于：

(1)預測精度較高，穩定性好，推廣能力強，減少了實驗盲目性增加了原生鹽水溶開采與造腔工藝開發效率。