共查询到16条相似文献,搜索用时 281 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
9.
地震多属性分析技术在煤层厚度预测中的应用分析 总被引:1,自引:0,他引:1
《物探化探计算技术》2021,(3)
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。 相似文献
10.
11.
12.
应用人工神经网络解释煤层厚度 总被引:2,自引:0,他引:2
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。 相似文献
13.
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。 相似文献
14.
15.