基于测井资料与优化通用向量机的煤层气含量预测模型

为实现煤层含气量的高精度评价,合理地进行生产布局及高效勘探开发,以沁水煤田柿庄南区3号煤层含气量密闭取心实验数据为样本,提出了基于弹性网络优选测井曲线的改进的量子粒子群优化通用向量机混合预测模型EN-IQPSO-GVM。模型在煤层含气量测井响应特征和敏感性分析基础上,将弹性网络用于通用向量机模型特征输入参数的优选;提出了一种改进的量子粒子群算法优化GVM网络权值阈值,构建了基于弹性网络-改进量子粒子群算法的通用向量机煤层含气量预测模型;将该模型用于靶向区盲井煤层含气量预测,与相同优化策略下的支持向量机和BP神经网络模型及传统多元回归模型进行对比,分析该模型性能及适应性。结果表明:新模型盲井预测精度从21.83%减小到4.25%,具有更强的泛化能力,更适用于非均质性强的煤储层含气量高精度评价。