共查询到18条相似文献,搜索用时 640 毫秒
1.
随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV(Mean Impact Value)技术与LSSVM(Least Squares Support Vector Machine)结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。 相似文献
2.
3.
4.
煤层含气量对煤层气开发有直接影响。柿庄南区块煤层含气量相对较高,但开发过程中存在较多低效井,开展含气量三维地质建模有助于厘定含气性对煤层气井产量的影响。以沁水盆地柿庄南区块3号煤层为研究对象,运用多元回归分析方法依次建立基于埋深、灰分、挥发分及固定碳含量等参数的含气量预测公式及基于测井数据的煤岩工业分析各组分含量预测公式,最终得出柿庄南区块基于测井数据的含气量预测模型并应用于全区,与实测值对比表明预测结果较好。运用Petrel软件基于预测结果构建含气量模型,探讨3号煤层含气量三维分布特征。研究表明,区内3号煤层含气量介于11~20 m3/t,其主控因素为煤层埋深和构造部位。该模型对研究区煤层气井低产因素厘定和煤层气开发生产具有指导意义。移动阅读 相似文献
5.
煤层气勘探与开发过程中,对煤层含气量及其分布规律做出较准确预测非常重要.笔者收集、整理、分析勘探区测井、煤层气测试等资料,并通过多元回归分析方法建立测井参数与测试煤层气含量之间的关系,预测整个勘探区煤层气含量及分布规律.研究结果表明用多元回归方法计算煤层含气量快速、准确、方便,实用性较强.煤层气含量分布趋势为煤层气勘探和开发选出有利区域,给出先期勘探开发建议. 相似文献
6.
煤层中的含气量不仅是煤矿生产的重要灾害因子之一(Wang,2001),也是决定一个地区煤层气资源能否进行商业化勘探开发的先决条件.因此,无论是为了煤矿生产安全,还是为了煤层气资源而准确地评价和预测煤层气开发前景以及制定开发方案,煤层气含量都是一个至关重要的参数.通过煤岩取样测试和试井分析,可获分析点附近煤层的含气量.但由于取样和测试的费用高,样品分析数量有限,且煤层含气量分布不均衡,导致难以掌握工区煤层含气量的分布特征.测井技术是煤层气勘探开发中的重要手段,所需要的费用较低,测井资料覆盖面较广.由于测井信息相对丰富且分辨率较高,具有弥补取心、试井及煤心分析等方面的不足的优点,可用来预测煤层的含气量(王敦则等,2003;潘和平,2005;周尚忠,2006).基于测井信息的煤层含气量预测方法主要有模型法和统计学方法. 相似文献
7.
含气量预测的准确性对于煤层气开发至关重要。测井曲线作为含气量表征的最常用资料,不同测井资料对于含气量变化的响应灵敏程度不一样,单一的测井曲线预测含气量稳定性差。为了研究煤层含气量的精确预测方法,以澳大利亚S区块的煤层气为研究对象,以实验室分析数据、测井资料为基础,通过测井资料响应特征分析,实现测井资料的扩径校正以及含气量数据深度归位处理。在此基础上,根据含气量与测井资料相关性分析结果,选择煤层埋藏深度、声波时差、自然伽马和长源距密度等相关性好的测井数据作为含气量预测的基础参数。以基础参数对含气量的敏感性分析结果为依据,构建含气量预测的复合参数,建立基于测井资料的含气量复合参数预测模型。通过软件中编写含气量计算的外挂模块实现煤层气井含气量批量计算。复合参数预测模型在实际应用中,可以克服传统煤层含气量计算准确率低、稳定性差的缺点,同时可以实现批量化计算,极大地加快含气量计算进度,能够为S区块的后续煤层气开发奠定地质基础。 相似文献
8.
常规煤层含气量预测方法多基于测井约束的地震属性反演以及线性映射模型,造成预测结果的精度难以控制,严重限制了方法的普适性.本文从地震属性优选与BP神经网络预测模型改进两方面入手开展研究.利用Q型聚类分析方法,对提取的目标储层地震属性进行分类优选,得到了与地质目标相关性好且相互独立的4种地震属性;进一步利用粒子群寻优算法对BP神经网络算法的输入层与隐含层的连接权值和隐含层的阈值进行了优化,构建PSO-BP预测模型,并利用井位置的优选地震属性和含气量数据训练PSO-BP模型.基于训练好的PSO-BP模型,以整个工区的优选地震属性作为输入,进行研究区内煤层含气量预测.井位置含气量预测结果与实测结果对比表明,该预测方法准确率高.因此,可认为PSO-BP预测模型以及相应的预测方法流程能有效适用于煤储层含气量的预测. 相似文献
9.
煤层气资源条件及储层物性特征是煤层气勘探开发的基础,开展煤层气藏地质建模,厘清煤储层在空间上的展布特征,解释单井产能差异,可为煤层气选区、布井提供理论依据。以山西保德Ⅰ单元为研究对象,基于煤心含气量实测数据和试井渗透率测试,采用支持向量机算法(SVM)和变形F-S渗透率计算公式建立研究区含气量和渗透率反演模型,完成162口煤层气井含气量和渗透率测井数据的分析。进一步采用随机建模方法建立研究区含气量和渗透率模型,由模型计算结果表明:4+5号煤层的含气量为2.0~5.2 m3/t,平均3.3 m3/t,8+9号煤层含气量为2.4~9.2 m3/t,平均5.1 m3/t;4+5号煤层渗透率为(0.8~9.8)×10-3 μm2,平均6.1×10-3 μm2,8+9号煤层渗透率为(2.8~11)×10-3 μm2,平均7.3×10-3 μm2;保德Ⅰ单元总体表现为低含气量、高渗透率的煤层气藏开发单元。基于建立的地质模型,进一步分析研究区煤层气储层等效含气量、资源丰度、含气饱和度等平面展布规律,对比分析2口典型井(B1-X1和B1-X2)的地质条件,发现B1-X1井各项参数均优于B1-X2井。从过井剖面和生产曲线可以看出,影响两井产能差异的因素主要包括资源条件和储层物性条件,其中后者起决定性作用,B1-X1井条件明显优于B1-X2井。综合分析可以得出,渗透率差异是影响煤层气开采的关键参数,而煤层气资源丰度和吸附饱和度是评价煤层气井维持高产和长时间稳产的重要因素,煤层气开发前需查明煤储层主要地质条件和物性参数,为煤层气开发工程设计提供依据。 相似文献
10.
为克服煤层气有利区评价中参数难以取全、取准的问题,综合利用测井信息与测试数据,建立了一个由2个二级评价参数(资源条件和开发条件)、8个三级评价参数和2个四级评价参数构成的多层次模糊评价模型。通过该模型,利用测井信息拟合预测各项评价参数,对山西寿阳地区3号、9号和15号煤层气单采与合采下有利区进行了评价。研究发现单层开发时,3号煤层整体较有利,9号煤层较为不利,15号煤层适中;合层开发时,(3+15)号煤层合采最为有利,而(3+9)号煤层合采最为不利。不论单采还是合采,该区煤层气勘探开发有利区集中在北部,这与目前该区近1年的试采现状吻合。 相似文献
11.
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。 相似文献
12.
钾盐的紧缺严重制约了中国农业的发展,加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富,是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物,常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题,因此,提出一种新的基于粒子群算法(PSO)优化的支持向量机(SVM)杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础,结合测井解释方法,选择对杂卤石测井响应灵敏的有效数据作为输入样本,随机产生训练集和测试集,并采用PSO优选出径向基核函数参数,建立杂卤石分类预测模型。与录井结果对比,基于PSO的SVM模型识别准确率达到了97.5758%,在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明,该模型在四川盆地钾盐勘探中具有广阔的应用前景。 相似文献
13.
The shortage of potassium salt seriously restricts the development of China's agriculture. Increasing the exploration and development of potash will help improve the self-sufficiency of potassium in China. With rich potassium salt resources, Sichuan basin is one of the most important research areas for potash exploration and development in China. Polyhalite is an important solid potassium salt mineral in Sichuan basin, often intercalated in rock minerals such as anhydrite, rock salt and dolomite. Aiming at the problem that conventional log interpretation methods are difficult to accurately identify polyhalites, this paper proposed a new Support Vector Machine (SVM) recognition method based on Particle Swarm Optimization (PSO) to classify polyhalites in Sichuan basin. Based on particle swarm optimization and support vector machine theory, combined with logging interpretation theory, the effective data sensitive to polyhalite logging response were selected as input samples to generate training sets and test sets randomly. The Radial Basis Function (RBF) parameters were optimized by particle swarm optimization, and the classification and prediction model of polyhalite was established. Compared with mud logging results, the recognition accuracy of SVM model based on particle swarm optimization reached 97.5758%, which is obviously better than that of SVM model optimized by cross validation method in recognition accuracy and speed. The results show that the model has broad application prospects in potash exploration in Sichuan basin. 相似文献
14.
15.
基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型 总被引:2,自引:0,他引:2
页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩芯采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。 相似文献
16.
由于采用常规测井曲线评价页岩储层总有机碳含量的精度不高,泛化能力不强,需要大量样本。针对这些问题,改
进了神经网络算法,以增加模型的预测能力。利用模糊系统优化细胞神经网络结构,以增强其逻辑推理能力,提高其对模
糊数据的敏感性;选择能有效避免“虚拟碰撞”的雨林算法,并针对其存在的缺陷进行改进;利用改进雨林优化算法对网
络的初始权值阈值进行优化,避免网络陷入局部极小。分析测井特征曲线的物理意义,选择密度测井曲线与自然伽马能谱
测井曲线作为网络的输入,以总有机碳含量作为输出,通过70块岩心样本网络学习与26块岩心样本预测,证明了新网络模
型的优越性。结果表明,新模型回判将相对误差从23.189%减小到17.185%,预测相对误差由52.421%减小到15.158%,具
有更强的学习能力与泛化能力,更适用于页岩储层总有机质含量的测井评价。 相似文献
17.
针对钻井过程中储层裂隙发育情况不明,防漏堵漏方法和材料选择困难的问题,结合实际井史资料,提出了一种基于神经网络的储层裂缝宽度预测方法。首先通过相关性分析,对储层裂缝宽度的主要相关因素进行分析并对其进行排序,选取了泵压、钻井液排量以及钻速等7种主要相关因素作为输入参数并利用附加动量算法和变学习率算法对模型收敛速度进行提升,同时对模型结构进行优选。其次利用遗传算法(GA)和Adaboost算法对BP神经网络(BPNN)进行优化,克服了其易陷入局部极小值的问题,提升了模型的预测精度。最后建立了Adaboost-GA-BP神经网络预测模型对储层裂缝宽度进行预测研究,同时对比分析了模型的预测精度。结果表明,相关参数与储层裂缝宽度的相关性由高到低依次为漏失速度与漏失量、泵压、钻井液排量、钻速、井深、塑性黏度和钻井液静切力。另外,附加动量算法和变学习率算法使得训练结束时训练数据的绝对误差和降低了27%,显著提升了模型性能,同时通过GA算法优化模型的权值和阈值以及利用Adaboost算法进行集成优化进一步提升了预测精度,建立的Adaboost-GA-BP神经网络储层裂缝宽度预测模型误差和相关系数分别为18%和0.98,与随机森林等其他模型相比,模型的预测精度高,可为勘探开发过程中的裂缝宽度计算以及堵漏方案的制定提供一定的指导。
相似文献18.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性(粒度)和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献