基于集成学习的盐穴造腔预测及工艺参数智能设计

陈加松,王桂九,白雪峰,段冲,施锡林,张桂民,李小菲,金辉,李金龙

Ensemble learning-based prediction of salt cavern leaching and intelligent design of process parameters

Jiasong CHEN,Guijiu WANG,Xuefeng BAI,Chong DUAN,Xilin SHI,Guimin ZHANG,Xiaofei LI,Hui JIN,Jinlong LI

表 3 盐穴水溶造腔代理模型数据集示例

Tab.3 Example of dataset for salt-cavern solution-mining surrogate model

组别 w(z)/% $ \cdots $ 循环 方式 t/d Hi/m Ho/m Hp/m $ \cdots $ V/m3 Rs(z)/m z=2 m z=4 m $ \cdots $ z=0 $ \cdots $ z=110 m 1 95 90 $ \cdots $ 1 118 13 19 31 $ \cdots $ 220 211 0 $ \cdots $ 35.27 2 90 90 $ \cdots $ 1 105 11 17 31 $ \cdots $ 199 136 0 $ \cdots $ 14.52 3 83 88 $ \cdots $ 2 101 12 20 29 $ \cdots $ 207 023 0 $ \cdots $ 9.24 4 75 76 $ \cdots $ 1 104 15 20 31 $ \cdots $ 209 561 0 $ \cdots $ 25.94 5 74 70 $ \cdots $ 1 101 12 18 30 $ \cdots $ 201 553 0 $ \cdots $ 17.53 6 26 30 $ \cdots $ 2 134 12 18 34 $ \cdots $ 206 602 0 $ \cdots $ 26.21 7 38 35 $ \cdots $ 1 114 11 16 29 $ \cdots $ 211 482 0 $ \cdots $ 7.98