基于机器学习的深海能源土降压开采沉降预测

天然气水合物开采可能诱发的海洋沉降是海洋开发必须面对的重要问题，对于降压开采条件下的深海能源土进行沉降预测显得尤为重要。在预测降压开采天然气水合物可能导致的海床沉降时，循环神经网络等预测方法由于不能充分考虑温度和孔压等不确定因素影响，因此预测精度较低、误差较大。基于机器学习提出了一种主参数优化的长短时记忆网络方法对深海能源土降压开采沉降进行预测，并同南海神狐海域降压开采天然气水合物导致海床沉降观测数据进行了比较，结果表明：模型实际测量值与预测值之间存在着较好的一致性，模型误差能够满足期望精度，可以应用于深海能源土降压开采沉降预测。