煤层气羽状分支井定向钻进煤层预测、轨迹控制与完井技术

沁水盆地煤岩具有特殊的双重孔隙结构,其孔隙系统复杂,呈现多裂缝特征,同时具有低压、低孔、低渗、低强度的特点。通过对泌水盆地煤层物理特征及其羽状分支井井身结构分析,介绍了煤层气羽状分支井轨迹类型以及煤层预测井眼轨迹控制方法,指出沁水盆地煤层气羽状分支井主要是双主水平井眼结构,通过实时跟踪不同钻进煤层状态下随钻录井的显示情况,可以帮助识别煤层、预测井眼轨迹的方向。该煤层气羽状分支井通常采用裸眼完井,应采取多种方法减少钻井、完井对煤层的伤害。

测井约束反演技术在鸡西煤层预测中的应用

鸡西盆地南部梨树镇坳陷煤层发育,含气量高,煤层气资源潜力巨大。针对煤层厚度分布变化快,预测难的问题。结合该区现有的情况,本文通过数据分析、子波提取、精细标定和建立模型等工作,应用测井约束反演技术预测了主力含气煤层的分布和厚度,为下步勘探指明了方向。

大宁煤矿主采煤层三维地震勘探及厚度预测研究

为探明山西亚美大宁能源有限公司井田内可采煤层的赋存形态、厚度等情况,介绍了三维地震勘探技术在该矿井的现场应用条件和技术参数,并对主采煤层厚度进行了勘探和联合预测。结果表明:3号和15号煤层反射波能量集中,波形特征突出,分辨率较高,延续性较好;3号煤层全区大部分地段厚且稳定,煤层厚度在3.0 m以上;15号煤层全区大部分地段较厚且稳定,煤层厚度在2.0 m以上,最厚地段可达4.0 m。勘探结果对煤矿安全生产奠定了地质基础。

基于LM-BP神经网络的煤层瓦斯含量预测研究

为了高效、便捷地获取煤层瓦斯含量,设计了一种基于LM-BP神经网络的煤层瓦斯浓度预测方法。首先介绍了LM-BP神经网络的预测原理,然后建立了基于LM-BP神经网络煤层瓦斯预测模型,最后采用地勘钻孔的相关参数制作样本进行模型训练和预测,将设计的预测模型的性能与基于BP神经网络模型进行对比,结果表明,2种模型在预测准确率方面达到基本一致,都在90%以上,在收敛速度上基于LM-BP神经网络煤层瓦斯预测模型有明显优势。

基于注意力机制的CNN-GRU煤层气产能预测方法研究

为优化当前煤层气产气量预测方法,探讨煤层气产能排采数据历史状态影响及时序过长导致丢失关键信息的问题,提出了一种基于Attention机制的卷积门控循环单元网络的煤层气产能预测模型;选取5个与日产气相关性较高的排采参数,利用韩城区块煤层气井现场排采数据构建并训练煤层气产能预测模型,预测未来该井区160 d的产气量情况。研究结果表明:引入注意力机制的组合模型CNN-GRUA,通过提取数据高层特征、并降低历史序列关键信息丢失的影响,克服了传统预测方法无法处理数据间非线性、时序性以及信息丢失的问题;相比BP神经网络、卷积神经网络、门控循环单元和未引入注意力机制的CNN-GRU等模型,组合CNNGRUA模型具有更高的预测精度,平均绝对误差百分比仅为1.72%。

基于概率分布的煤层厚度预测研究

为了能够准确地预测和描述煤岩界面预测问题,提出一种基于概率分布的煤岩层预测算法,通过训练开采过程中已存储的截割数据,并以最大似然估计法优化高斯过程回归算法中的超参数得到预测模型。

基于模型全局寻优宽带约束反演方法在某矿井区煤层厚度预测方面的应用

鄂尔多斯呼吉尔特勘查区南部某矿井区的重点开采煤层非常薄,提高储层预测的纵向分辨率是预测研究的难点。本文对研究区三维地震资料特点,开展了基于模型的全局寻优求解宽带约束反演技术的应用研究,定量识别薄煤层。预测煤层厚度与实际钻遇煤层厚度误差在0.25m以内,储层反演分辨率高。

基于PCA-RBF神经网络模型的煤层厚度预测

基于淮北某矿区的地震属性参数和钻井数据,利用逐步回归分析方法,优选出与煤层厚度有着显著相关性的参数,通过构建主成分分析算法-径向基函数神经网络模型,预测煤层厚度的变化趋势,并将井旁道的煤层厚度预测值保留,作为下一个未知区域预测模型的输入参数,从而获得更准确的煤层厚度预测值。通过不断扩展预测范围,并对其进行持续分析,从而实现整个研究区域煤层厚度的准确预测。分别对比RBF和PCA-RBF 2种神经网络模型预测的煤层厚度与真实值的绝对误差、相对误差以及相关系数,其中PCA-RBF神经网络模型的预测值与真实值之间的绝对误差为0~0.08 m,相对误差为0%~4%,相关系数为0.999 9。结果表明,PCA-RBF神经网络模型预测得到的煤层厚度变化趋势更接近于真实值,预测结果的精度更高,能够为煤矿安全生产、减少成本、提高效益提供强有力的技术支持。

煤层气有利储层分布区测井、地震联合预测方法

这里综合应用测井和地震资料,进行有利煤层气储层分布区的预测。在研究中,有效应用测井资料,根据SMB工区3号主力煤层及其上部小煤层对应的测井响应特征纵向组合分布及其分类,结合煤层与围岩间的物性差异所引起的地震振幅横向变化特征对煤层的横向展布进行预测。通过测井和地震资料分析,选择地震均方根振幅属性进行SMB工区煤层分布区地震相带的刻画,地震相带边界明显。综合分析试验区沉积地质背景,有效应用测井资料及地震资料,进行试验区地震相、沉积相的描述,优选了有利的煤层分布区即三角洲分流间湾沉积区,实现了煤层气有利储层分布区的预测。

应用GeoEast系统预测煤层分布和厚度

通过GeoEast系统中地震反演技术在鄂尔多斯盆地BD三维地震工区煤层勘探中的应用,总结出通过地震反演技术识别煤层分布和厚度的流程。应用结果表明,利用GeoEast系统中的基于遗传算法的BP神经网络叠后反演预测煤层分布范围,利用叠前弹性参数反演预测纵、横波速度,进而可预测煤层厚度。反演结果与测井数据吻合度高,结合相关地震资料信息,能够精细描述煤层气空间分布形态及其厚度特征。

煤层气勘探开发从“以工程为主导”到“预测指导下的工程”之转变

通过多年的实践,从煤层气赋存特征、煤层气地质学理论出发,分析煤层气与天然气的根本区别。通过对天然气AVO理论的取舍,重建了煤层气AVO技术的岩石物理理论,保留了天然气AVO技术的地震波理论外壳,建立了煤层气AVO技术的地震波理论基础。将煤层气AVO技术的岩石物理基础和地震波理论基础应用于煤层气勘探开发实践中,在煤层气局部富集区预测实践中取得了较好的应用效果,实现煤层气勘探开发从"以工程为主导"到"预测指导下的工程"之转变。

基于分形与ARIMA的煤层气产量预测

煤层气产能受多种因素影响,错综复杂,难以控制,模拟过程复杂、资料难获得,有必要在资料不完全的情况下通过其他数学方法对煤层气产能潜力进行正确的分析。利用分形理论的R/S(重标极差法)分析方法对煤层气产量变化趋势进行分析,应用基于数理统计理论的ARIMA建模方法进行产量预测,可将R/S分析法中的参数估计来反映ARIMA模型适应性,提高预测准确性。应用分形-ARIMA预测方法对山西沁水某煤层气井产量进行了产量预测,经证明,预测结果具有较高精度,满足煤层气产量变化情况。基于分形分析与ARIMA模型的煤层气产量动态预测方法所需资料少,能够充分利用所掌握信息实现动态外推预报。

鲁棒性证据理论的煤层底板突水预测

为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立了一种煤层底板突水预测模型,实验结果表明:所提出的基于鲁棒性证据理论的突水预测模型较已有的基于D-S证据理论的突水预测模型预测结果准确率相对更高,效果更好.

基于PSO＿SVM＿AdaBoost的煤层底板突水预测研究

为提高煤层底板突水预测的效率与准确率,提出基于PSO_SVM_AdaBoost的煤层底板突水预测模型。在总结相关算法理论基础上,设计PSO_SVM_AdaBoost算法流程。为验证模型的可行性及有效性,通过引入UCI经典分类数据集进行实验。综合考虑煤层底板突水主要影响因素,确定煤层底板突水预测的评判指标。选取华北矿区60组实测数据为实验样本,利用主成分分析消除原始指标变量间的相关性,将消除相关性的变量作为PSO_SVM_AdaBoost模型的输入向量,并进一步对比分析样本数据处理前后应用模型的预测效果,比较PSO_SVM_AdaBoost、PSO_SVM、SVM模型的预测准确率。结果表明,主成分分析能有效地消除样本中的冗余信息,简化模型结构,提高模型预测准确率与运算效率; PSO_SVM_AdaBoost模型应用于煤层底板突水预测的准确率明显优于其他模型。

蜀河兴煤矿断层带煤层走向预测研究

结合蜀河兴煤矿+710 m水平断层带煤层走向预测的工程实例,在已揭露煤巷内选取煤层底板测点,连接高程相当的测点,取其走向平均值作为预测走向值,再用其他测点验证。该方法仅施工1个探煤钻孔探明煤层走向,预测结果准确。

基于支持向量机的地震属性优选及煤层气预测

为了充分发挥地震属性分析技术的优势,针对地震勘探中的小样本事件,阐述了支持向量机原理,开展了基于支持向量机的煤田地震属性非线性优选的方法研究,并在煤层气含量预测中取得了良好的效果。结果表明:基于支持向量机(SVM)属性优选的煤层气预测效果比运用钻孔插值的效果更精确,较好地解决了小样本的学习问题,可作为煤层气预测的一种有效方法。

地震多属性分析技术在煤层厚度预测中的应用分析

准确预测煤层厚度对指导煤矿安全生产具有重要意义。以新疆某三维勘探研究区A3煤层的煤层厚度预测为实例,选择15口井作为样本数据,通过提取目的层地震属性特征,应用多元回归分析方法和神经网络方法进行煤层厚度预测,煤层厚度预测趋势的相关系数高达0.98。预测结果表明,多属性定量预测煤层厚度是一种有效的方法,神经网络方法得到的煤层厚度预测值较多元回归方法更为准确。

断层模型约束反演在煤层横向预测中的应用研究

在精细断层解释的基础上,以地震层位为趋势面,通过对趋势面局部微调,使各层面的变化趋势和空间关系更加合理。通过网格精度和地层厚度有控制构建包含断层在内的精细构造框架模型,并根据波阻抗的差异特征,利用断层模型约束波阻抗反演实现煤层的横向预测。实例表明,基于断层模型约束反演技术的煤层横向预测方法,可精细描述煤层尖灭、变薄、分叉合并、厚度变化等赋煤形态,经实际钻井资料验证吻合较好。

基于代价敏感理论的多决策树煤层底板突水预测模型

在进行煤层底板突水预测时,水害状况一般分为安全和突水2种状态,状态数据具有非平衡特点,而已有的煤层底板突水预测模型主要适用于平衡数据,对非平衡数据集预测结果常呈现"一边倒"现象,即安全状况的预测准确率明显高于突水状况的预测准确率,整体预测性能较低。针对该问题,构建了基于代价敏感理论的多决策树煤层底板突水预测模型。该模型中,每个决策树选用不同的突水影响因素作为单决策树的根节点,单决策树节点属性选择准则融合代价敏感理论及Gini指标,从而加重了对突水数据(少数类)误判的惩罚力度,提高了突水状况的预测性能;根据构建的单决策树突水预测模型得到其规则集,将所有单决策树突水预测模型规则集合并,得到多决策树突水预测模型规则集,采用多决策树突水预测模型规则集得到多个突水数据的预测结果,而后采用少数服从多数原则,基于投票法得到最终的预测结果。实验结果表明:该模型随着惩罚因子的增大,真实正类率预测结果呈现先增后减的趋势;与基于分类回归树(CART)算法的单决策树突水预测模型相比较,在数据不平衡率为2、分类错误惩罚因子取4时,该模型真实正类率可达到93.06%,真实负类率可达到97.85%,准确率为96.25%,均优于基于CART算法的突水预测模型性能;在数据不平衡率提高到6、分类错误惩罚因子取20时,2种模型的正类率均达到100%,本文模型的负类率为99.37%,准确率为99.47%,依然优于基于CART算法的突水预测模型性能。实验结果验证了本文模型的有效性。