基于人工神经网络的压滤液再配操作参数优化

针对废弃压滤液再配新鲜钻井液过程操作参数的最优值问题,开展以人工神经网络为基础对废弃压滤液再配钻井液操作参数的优化,确定最佳的压滤液的pH值、搅拌速度、反应温度和高价阳离子去除剂的加料比。通过单因素实验确定了压滤液再配钻井液过程中操作参数的适宜条件范围。基于此操作条件,设计并收集180组实验数据用于人工神经网络模型的训练,使用PSO算法对CNN模型进行优化,并进行网络结构调整,对三个指标线性合并,形成综合指标,在设置迭代停止误差限为0.005的条件下,调整后的PSO-CNN模型在第50次时达到收敛,将得到的操作条件进行三组平行试验。得到的再配钻井液的性能,密度为1.0569 g·cm-3、塑性黏度为9 mPa·s和漏斗黏度为45.48 s,与模型优化值相比较,相对误差为0.038%、0.0%和0.132%。优化后的模型表现出高准确性,进一步验证了废弃压滤液经处理后可用于新鲜钻井液的再配。