多源信息融合约束下的工作面电磁波CT探测智能反演方法

为满足煤矿工作面智能精准开采对地质异常分布精准感知的需求,进一步提高工作面电磁波CT反演的精准性,提出了多源先验信息约束下的电磁波CT智能反演模型。在对工作面电磁波CT反演稀疏矩阵方程进行泛函优化转换的基础上,分析了基本遗传算法(Single Genetic Algorithm,SGA)的寻优进化机理,探讨了不同遗传参数对SGA智能算法搜索优化性能的影响,设计了基于多种群自适应遗传算法(Multi-population Adaptive Genetic Algorithm,MAGA)的工作面地质异常电磁波CT反演目标函数求解机制。除此之外,提出了范围约束、就近约束和平均值约束3种约束模型,将生产过程中揭露的巷探、钻探及回采等多源先验地质信息作为约束条件,不断调整地质异常反演目标函数搜索的进化方向,最终形成了基于MAGA智能算法和多源先验信息约束的电磁波CT反演模型,并通过数值模拟和工程实例进行了测试和验证。试验结果表明:MAGA智能算法能够充分结合多种群协同进化和遗传参数自适应调节策略,相比于单一的遗传算法具有更高的全局及局部搜索准确性和稳定性;随着外部约束数据的增加,基于平均值约束的MAGA智能算法能够获得更优的电磁波CT反演目标函数收敛结果。以山西大同矿区8208工作面内电磁波CT地质异常反演和解释为例对所建模型进行检验,预测结果与实际揭露结果基本一致,进一步验证了多源信息约束下的智能反演方法在工程实践应用中的可靠性,为工作面内地质异常的精准反演和预测提供了一种新的思路和方法。

深部地层智能压井多解性分析与优化策略

开发深部地层油气资源时普遍存在地质条件复杂、钻井周期长和井筒压力控制困难等问题,采用智能压井方法结合多源实时信息反馈,可实现井筒内气液分布状态和压力变化规律的实时预测与更新,但不同修正系数组合可能得到相同的压力计算结果,导致模型存在多解性难题。为此,分析了不同历史时间节点解空间形态的演变规律,揭示了模型多解性的本质源于少量数据约束下模型训练的不完善性;并对应建立了基于实时信息序列的模型全局训练优化方法及动态随机种群训练优化方法,测试了其对于模型全局最优解的搜索能力及适用条件。测试结果表明,全局训练优化方法在压井初期能够实现精准调控,但计算耗时较长;而动态随机种群训练优化方法在压井初期与预期值略有差异,但计算耗时较少。根据可用计算资源情况选择合适的训练优化方法,可实现多源实时数据约束下模型关于井筒气液流动规律的深度学习。