基于机器学习的煤层含气量测井评价方法--以沁水盆地柿庄南区块为例

由于煤层含气量受控因素多且成因机理复杂,其评价的准确性和泛化性问题一直是研究的热点与难点。为了提高煤层含气量评价的准确性和泛化性,基于沁水盆地柿庄南区块的测井资料、煤心分析资料、排采生产数据等,将地球物理测井数据作为输入,利用BP神经网络、支持向量机及随机森林3种机器学习方法,对训练集数据采用交叉验证与网格寻优方法确定各机器学习模型超参数,得到煤层含气量评价模型。引入盲井验证模型,对比了3种机器学习方法的优缺点和适用条件。结果表明,应用此3种机器学习方法能有效评价煤层含气量,随机森林模型在此区块应用效果最好,该模型能有效评价煤层含气量,为今后此方法的应用提供了选择依据,同时也提高了模型的泛化能力;进一步对沁水盆地柿庄南区块3号煤层开发井进行含气量评价预测,并将预测结果与实际排采生产数据进行对比,发现二者误差较小。研究结果对煤层气勘探开发、“甜点”找寻具有指导意义,实际应用价值突出。

基于AVO反演技术的煤层含气量预测

为预测煤层气含气量,结合山西寺河煤矿实际资料,在分析不同含气量AVO异常特征的基础上,通过反演得到AVO属性,建立多地震属性与含气量之间的相关关系,从而获得煤层含气量分布。对于含气量不同的钻井,高含气量的煤层一般能形成较强的AVO异常,低含气量的煤层AVO异常很小。基于截距和梯度属性,可获得纵波阻抗、横波阻抗、极化参数、密度和伪泊松比等地震属性。地震属性与煤层含气量之间具有相关性,其中截距、纵波速度、纵波阻抗、横波阻抗、极化参数、密度、伪泊松比等属性与含气量具有较大相关性。研究表明,井孔处煤层含气量预测结果与实测瓦斯含量预测误差低,吻合性好,表明基于AVO反演技术预测煤层含气量是一种可行的方法。

测井解释中煤层含气量评价方法对比研究

为准确评价预测煤层气资源量。以沁水盆地南部地区勘探目标层3号、15号煤层的地质、测井以及煤岩测试资料为基础,应用回归分析、兰氏煤阶方程、开姆法和BP神经网络方法计算含气量,并对各方法计算结果进行对比研究。研究表明:3号、15号煤层含气量分别为7~20 cm^3/g和10~30cm^3/g,密度回归法以及兰氏煤阶方程适用于沁水盆地南部地区煤层含气量的计算,而BP神经网络法和开姆法由于缺少实测含气量数据而误差较大,不适宜该区煤层含气量计算。总体上,利用测井方法对沁水盆地南部地区煤层气储层含气量评价方面应用效果良好。

基于支持向量机回归的煤层含气量预测

为了探讨煤层含气量的有效预测方法,将支持向量机回归方法用于建立煤层含气量预测模型。利用所选的测井参数,采用基于小样本理论的支持向量机回归方法建立测井参数与煤层含气量的关系模型,对煤层含气量进行预测。实例分析表明,选取适当的测井参数,利用支持向量机回归方法建立的煤层气含量预测模型,其预测结果与实测结果的误差小。

煤层含气量评价方法研究与应用

川南大村勘查区二叠系龙潭组沉积了多套煤层,为了准确预测该区主要煤层的含气量,了解煤层含气量的分布规律,提出一种基于综合因素对含气量影响评价的组合法。该组合法与密度测井、KIM方程以及煤层工业组分等计算方法预测煤层含气量的结果相比,组合法预测含气量的精度高,与测试含气量相关性好。利用组合法对研究区多口井进行分析,揭示了C_(17)煤层含气量的平面分布规律,该煤层含气量较好的区域主要分布于二郞坝向斜西翼,沿核桃坝断层、马桑坪断层、文昌宫断层分布。该方法充分考虑煤层含气量的影响因素,有助于提高煤层含气量的预测精度。

煤层含气量与埋深关系异常及其地质控制因素

采用地质因素排除法,对云南老厂四勘区煤层含气量与埋深关系在580～750 m埋深段出现递减的"异常"现象的地质原因进行了分析。研究发现,区内主要次级背斜轴部与局部地温异常区段在空间上叠合。研究区煤层含气量与埋深之间关系尽管受到次级褶曲的影响,但单纯的次级构造因素不可能控制这一"异常"的发育;上述叠合因素使得煤饱和吸附量的"临界深度"相对变浅,该因素进一步与区内煤层实际埋深条件的耦合,才是控制煤层含气量与埋深关系"异常"的关键地质原因。

观音山勘探区煤层含气量灰色关联预测

煤层含气量受多种地质因素影响,往往难以准确预测。以云南观音山勘探区为例,利用灰色关联度法识别出影响煤层含气量的主要因素,先后建立了煤层含气量预测的GM(1,N)模型和GM(1,1)模型。进一步分析揭示,煤层埋藏深度、煤层顶板5 m内砂岩厚度和顶板岩性是影响观音山勘探区煤层含气量的3个关键因素,利用残差尾段序列建立的GM(1,1)模型具有较高的预测精度。

大宁-吉县地区煤层含气量影响因素关联性评价

为确定大宁-吉县地区5号煤层含气量差异分布的主控因素,在综合选取影响含气量的地质因素基础上,采用灰色关联分析法,定量分析各地质因素对含气量分布的影响程度,得出了各影响因素与含气量的关联度为0.512 55～0.843 29,均大于0.5,其中地下水矿化度的关联度最大,其余因素关联度相差不大。结果表明:该地区主要地质因素对5号煤层高含气特征的形成均较为有利,含气量差异分布的主控因素为构造作用控制下的水文地质条件,其他因素的控制作用不十分明显。

基于测井参数的煤层含气量预测模型与应用

煤层含气量是决定煤层气开发效果的重要参数,准确确定煤层含气量是煤层气勘探开发研究的一个关键问题。以沁水盆地东南部沁南东区块为依托,通过煤层含气量解吸试验和煤层气钻孔测井资料统计,分析了煤层含气量与测井参数之间的关系,选择了有效埋深的对数、体积密度、自然电位、深侧向电阻率与浅侧向电阻率比值、微球形聚焦电阻率的对数、声波时差与自然伽马和补偿中子乘积的比值等6个参数作为BP人工神经网络预测模型的基本特征量,建立了基于测井参数的煤层含气量BP人工神经网络预测模型,并对模型进行误差分析和应用结果对比分析。结果表明:基于测井参数的BP人工神经网络预测模型具有极强的非线性逼近能力,能真实反映煤层含气量与测井参数之间的非线性关系,预测结果与实测结果之间误差小,相对误差一般小于10%,采用测井参数预测煤层含气量具有较好的应用前景。

基于灰色关联分析和BP神经网络的煤层含气量预测研究

基于测井资料和煤岩心含气量化验分析资料,采用现代数理统计方法优选了煤层含气量的敏感性测井参数,在煤岩心含气量分析化验数据归位的基础上,建立了煤岩心含气量-测井相统计模式,并利用灰色关联法对测井相-煤岩心含气量统计模式进行了系统分析,进而筛选了有效的煤层含气量测井建模数据库。基于神经网络非线性数学方法,利用筛选后的有效煤层含气量测井建模数据构建了研究区内煤层含气量的多测井参数非线性预测模型,并利用所构建模型对研究区内的煤层含气量进行预测。煤岩心含气量室内分析数据与预测结果对比表明,该整套方法能较好地对煤层含气量进行预测,预测精度能够满足煤层气储层测井评价的要求。

鄂东气田煤层含气量测井预测

煤层含气量计算的准确与否直接关系到煤层气开发方案的有效制定。在简要介绍了现有煤层含气量评价方法的基础上,利用测井资料和煤岩心含气量分析化验资料,采用统计回归方法优选了煤层含气量的敏感性测井参数,并基于优选的测井参数,运用多元回归和神经网络两种数学方法构建了鄂东气田的煤层含气量测井预测模型。利用所构建的模型对研究区内的煤层含气量进行了预测,预测结果与煤岩心含气量室内分析数据对比表明,多元回归法和神经网络法均能较好地对煤层含气量进行预测,但神经网络法的预测精度更高。

基于回归模型的煤层含气量预测方法研究

煤层含气量是煤层气储层评价的重要参数,基于煤层含气量与测井参数的关系较为复杂,论文对煤层含气量与测井参数做相关分析,对于相关系数较小的参数,通过构造复合参数法,提高了含气量与参数的相关系数,最终共优选6种测井参数,建立含气量与测井信息的线性、二次多项式回归方程,并对预测值进行有效性检验,证明建立的线性和二次回归方程是有效的。

韩城煤层气三维地震勘探区11#煤层含气量预测

煤层含气量是煤层气勘探开发的重要参数之一，其影响因素很多。通过韩城煤层气三维地震勘探区煤心实测含气量数据和测井数据的分析，得到煤层密度和纵波阻抗是与11#煤层含气量相关性高的关键影响因素。以多因素线性拟合分析，优选出煤层密度和纵波时差为预测11#煤层含气量最佳多因素组合。充分利用韩城煤层气三维地震数据，使用叠前同时反演技术得到纵波阻抗、纵波时差和密度数据，进而利用多因素煤层含气量预测方法对11#煤层含气量横向展布规律进行了预测，预测结果为研究区煤层气“甜点区”评价和煤层气的开发提供了依据。

重庆地区二叠系上统龙潭组/吴家坪组煤变质规律及其对煤层含气量的影响

通过对重庆地区煤炭资源勘查资料总结,分析了二叠系煤类分布特征,并探讨了煤变质对煤层含气量的影响。分析认为,重庆地区二叠系煤层主要以高、中变质煤的无烟煤、贫煤和瘦煤为主,煤类分布具有明显的分带性,煤变质作用以区域深成变质类型为主;煤的变质程度R0为1.39%~2.51%,处于吸附能力较强的阶段,因此煤层含气量较高,其中松藻矿区无烟煤R0为2.43%~2.51%,煤层含气量达27.1m3/t。

煤层含气量测井解释方法参数选择及适用性

多元线性回归及BP神经网络是煤层含气量测井解释的常用方法。基于澳大利亚Galilee盆地和沁水盆地煤层测井资料和实测含气量数据,通过相关性分析和显著性检验,筛选了和含气量相关的测井参数,通过多元线性回归建立含气量与测井参数的解释模型;基于BP神经网络的理论,通过网络训练和测试,建立了煤层含气量和测井参数的非线性解释模型。讨论了多元线性回归模型的参数选择方法,并对两种解释方法的误差特点进行了分析,讨论了两种方法的适用性。结果显示:多元线性回归法和BP神经网络法是煤层含气量解释的常用方法,前者的解释误差比后者大;多元线性回归法解释精度与煤层含气量相关,适用于含气量较高的井;BP神经网络法解释精度普遍较高,在含气量高和低的井中均可适用,解释效果受输入层样本的数量和质量影响,样本数量越多,区域代表性越强,解释效果越好。

应用BP神经网络预测煤层含气量分布

煤层含气量分布和煤层气富集规律已成为当今重要的科研课题。充分利用BP神经网络具有的非线性映射能力、泛化能力和容错能力,批量数据处理使整体偏差值最小,分组拟合比单个样本拟合效果好的特点预测煤层气含量;煤层含气量在一定范围内变化,于是把煤层含气量作为因变量的数据进行分级预测,并且适当调节样本允许误差且允许个别错误存在,以减少模型整体误差。煤层的埋深、镜质组、灰分和挥发分为影响QP区块的主要因素,将这4个影响因素作为变量建立BP神经网络模型,调节网络模型各项参数,分配不同学习训练样本、检验样本和坚持样本以找出合理的神经网络学习训练结构。再与地质统计学和克里金插值法有机结合来预测煤层含气量分布规律和探索煤层气富集规律。

煤层含气量定量预测技术及应用

以鄂尔多斯盆地东缘北部保德南地区为例,通过煤层测井资料交会图分析、煤岩心实测含气量数据和测井数据的研究,得到煤层密度与含气量相关性高的敏感参数及其关系式。结合三维地震研究成果,用叠前同时反演技术得到密度数据体和煤层密度属性,对煤层含气量横向展布规律进行定量预测。将煤层含气量定量预测技术应用于鄂尔多斯盆地东缘北部保德南地区,为煤层气有利区评价和井位部署提供了依据。

沁水盆地煤层含气量预测方法探讨

沁水盆地位于山西省东南部,北纬,东经之间,总面积3万多。沁水盆地煤炭资源量丰富,煤层遍及全盆地,为煤层气的生成提供了充足的气源岩。不过就目前的经济水平和技术条件而言,煤层气的探明和控制储量极低,以预测资源量和远景资源量为主。针对该区这样一种现状,本文将讨论几种煤层含气量的预测方法,并作详细分析和探讨,为进一步的勘探开发做好充分的准备。

基于叠后反演的煤层含气量预测研究

为了准确对煤层含气量进行预测,以新景矿区3^#煤层为研究区,利用测井岩石物理分析的方法,对煤层含气量与多种物性参数进行交会分析,筛选出与含气量相关性高的参数,并得到与含气量的线性关系.在此基础上,利用叠后反演的方法,得到3#煤层的纵波阻抗数据体,最后结合含气量与密度和纵波速度之间的线性关系,实现了3#煤层含气量的预测研究,预测结果与实测值比较吻合.

基于ANNs耦合GA算法的煤层含气量预判

为了对煤层含气量进行有效分析,以实现煤层气可靠抽采及瓦斯灾害预防,提出了遗传算法(GA)优化人工神经网络(ANNs)煤层含气量的预判方法.GA算法通过对ANNs网络的权值及阈值的寻优,构建了基于ANNs耦合GA算法的煤层含气量非线性预判模型,并结合现场实测数据进行了分析.仿真结果显示:耦合模型的预判的最大相对误差为1.47%,较之其他模型具有更高的预判精度和更好的泛化能力,能实现煤层含气量的有效预测.