三维地震属性参数在煤层厚度预测中的应用

依托“西部煤炭资源高精度三维地震勘探技术”项目工程,对晋城某矿南翼大巷东南区5m×5m×1ms的三维地震数据体,采用三维地震属性参数预测煤层厚度及其变化规律：沿3煤层、15煤层10ms时窗提取地震属性42种,根据钻孔资料,计算出煤厚与地震属性相关系数;从中优选出相关系数大于0．35的地震属性,其中3煤层9个、15煤层10个;然后进行地震属性互相关分析,优选出与3煤、15煤层厚度相关系数较大的4种属性,建立预测煤厚的BP神经网络模型,分别选取3煤层12个、15煤层4个实测数据作为学习训练和测试样本,以钻孔地震属性作为学习样本,对网络进行训练,最终获得全区煤层厚度。经与预留钻孔成果资料对比,预测精度较高,结果可用。     

基于地震频谱属性的煤层厚度预测方法

利用陇东黄土塬区施工的地震勘探成果,通过提取煤层反射波中的多种地震属性,与煤层厚度进行相关性分析,发现频谱属性与煤层厚度有较高的线性相关度。通过属性优选,利用频谱属性中的中心频率、振幅属性对研究区煤层厚度进行了预测。预测所获得的煤层厚度变化趋势与钻孔揭露厚度吻合较好,说明了煤层具有频率调谐作用,也说明了利用地震频谱属性对煤层厚度进行预测的方法是有效可行的。     

基于BP算法的煤层厚度预测技术应用研究

煤层厚度变化情况对煤矿综采工作面布设有很大的影响,查明煤层厚度的变化对煤矿开采有着极为重要的作用。依据厚度变化的非线性特点,运用三维地震数据的运动学、动力学特征,研究了煤层反射波不同类型属性信息与煤层厚度的相关性,通过非线性人工神经网络BP算法,建立了各属性与煤厚之间的人工神经网络模型,利用反向传播学习建立煤厚预测的神经网络。针对山西某矿201工作面的煤层厚度变化,通过BP人工神经网络进行了预测,经实际探采对比验证可知效果良好。该项研究也为今后通过三维地震资料预测煤层厚度提供了相关的经验。     

煤层在三瞬地震剖面上的响应特点和厚度反演研究

对于地震勘探的频率范围而言,煤层往往可视为薄层,而煤层厚度的预测是煤田勘探和开发时至关重要的一步,这一问题至今已有许多振幅统计方面的解决办法。在本文中,我们通过薄层的地震波响应,找出了薄层及其厚度在复数域中的预测方法。并得出结论,薄互层及薄层厚度的变化对地震波的瞬时振幅、瞬时相位及瞬时频率都有直接影响,通过地震记录的复数道分析,可以预测煤层厚度的横向变化,并可以利用薄层及薄互层的地震波响应规律来反演煤层厚度。     

基于ABC-BP模型的煤层含气量预测

煤层含气量预测是煤层气资源勘探开发利用前期的重要研究内容之一。近些年,BP神经网络算法常用于煤层含气量预测领域,但传统BP模型在训练过程中往往存在收敛速度慢、对初始值敏感以及易陷入局部极小值等问题。为此,提出了一种改进的以人工蜂群算法为特征的BP神经网络预测方法。以沁水盆地某工区3号煤层为研究对象,首先,利用R型聚类分析法对目标煤储层所提取的多种类型的地震属性进行分类,优选出4种对煤层含气量变化反应最敏感且相互独立的地震属性;再利用人工蜂群算法(ABC)寻找BP神经网络的输入层与隐含层的最优连接权值和隐含层的最优阈值,构建具有鲁棒性的ABC-BP神经网络预测模型,并以井位置优选地震属性和含气量数据为样本训练该模型;最后,以整个工区目标储层的优选地震属性为输入,进行工区内煤层含气量的预测。预测结果与各井含气量的变化趋势基本吻合,其中,训练井处的平均误差率为0.23%,验证井处的误差率低于15%,预测精度较高,因此,该预测方法可靠性高,适用性强,可有效用于煤层含气量预测。      

粗糙集与神经网络技术预测煤厚及小断层的方法

提出了基于分析三维地震数据的粗糙集(RS)—神经网络(NN)技术,预测采区断层和煤层厚度变化。利用粗糙集对地震数据中所包含的大量干扰数据进行约简,生成低噪音数据;将约简后的数据输入神经网络进行训练获得断层识别和煤层厚度预测。实际数据验证表明,该方法具有较高的精度。      

利用地震属性预测煤层厚度及古河流冲刷带的方法

根据山西宁武煤田某煤矿2#煤层采掘及钻孔揭露情况,发现该井田中部和南部存在古河流冲刷带。通过对比基于优选的4个地震属性的四元一次、四元二次多项式回归模型与BP神经网络预测模型,决定将BP人工神经网络模型预测煤层厚度数据应用于整个测区古河流冲刷带的预判工作。首先利用GeoFrame系统和Landmark公司Poststack模块,提取2#煤层反射波的各类沿层切片,分析并圈定出2#煤层古河流冲刷带的大致范围,在此基础上,利用垂直时间剖面中2#煤层反射波的各种波形特征,进一步判别2#煤层古河流冲刷带解释的可靠性,然后结合BP神经网络预测模型获得的2#煤层厚度变化趋势图,最终解释出2#煤层古河流冲刷带范围:勘探区内2#煤层厚度变化范围0～5.3m,根据其煤层厚度变化趋势,将全区划分出一大二小3个古河流冲刷带。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。      

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。     

波阻抗约束反演技术预测煤层厚度

用测井资料结合三维地震数据体及其解释成果进行多井约束下的波阻抗反演(稀疏脉冲反演结合地震约束的测井曲线反演)来预测煤层厚度,是通过层位标定确定煤层所对应的波阻抗层,然后提取该波阻抗层的厚度并与钻孔见煤点处的煤层厚度进行拟合匹配,最终得到三维地震测区的煤层厚度分布规律。该法对煤层厚度预测是一种新的尝试。      

地震属性参数在煤层厚度预测中的应用

薄煤层厚度的变化必然引起地震波场属性参数的变化。借鉴油气勘探中提取地震属性参数技术,通过引入小波变换工具,在不同频段提取小波域属性参数,并利用BP神经网络技术进行多参数煤层厚度的综合预测,经实际资料验证,预测精度较高,误差小于10%。      

应用人工神经网络解释煤层厚度

本文介绍了人工神经网络解释煤层厚度的方法，为直接利用煤田地震资料确定煤层厚度提供了一种新的途径。利用煤层厚度与煤层反射波动力学特征参数之间的非线性关系，用人工神经网络进行定量描述，便可根据地震资料求出煤层厚度。     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。     

利用地震资料进行煤层厚度解释预测

利用C++语言基于Windows操作环境开发了适用于煤田地震资料解释的煤层厚度辅助解释系统。该系统采用人工神经网络非线性反演方法对煤层厚度变化进行解释,对煤层厚度和地震属性参数之间的非线性关系给出了定量描述,具有较高的解释精度。理论模型和实际资料试算结果表明:利用该系统进行煤层厚度解释,得到了较好的地质效果。      

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。     

用径向基函数神经网络模型预报感潮河段洪水位

径向基函数神经网络方法是一类比较优越的前向式多层神经网络,将其应用于感潮河段的洪水位预报。利用K 均值算法和最小二乘法来确定径向基函数神经网络的参数,并给出了具体计算方法。由于该方法比传统的BP算法有较快的收敛速度,使其具有较大的应用价值。基于感潮河段的具体特点,构建了具有若干个时段预见期的径向基函数神经网络模型。该模型应用于沂河的水位预报,结果表明,该模型运算快速、简便,预报精度较高。