常村煤矿3~#煤层煤与瓦斯突出危险区地球物理预测方法

国内煤与瓦斯突出矿井的瓦斯地质调查与研究成果表明:构造煤的存在是瓦斯富集及产生煤与瓦斯突出的一个必要条件。山西潞安常村煤矿就属高瓦斯矿井,其煤层瓦斯的富集具有较大的致灾性,对煤矿安全生产构成严重威胁。根据该矿区的地质、钻孔资料,运用电阻率测井联合地震反演技术及叠前AVO技术,综合测区内构造煤发育与煤层瓦斯富集的地球物理响应特征,对测区煤与瓦斯突出危险区进行预测。结果表明:1煤与瓦斯突出危险区主要分布在老军庄向斜、姬村向斜及背向斜结合部位,与构造煤范围一致;2构造煤主要受控于应力集中带;3电阻率测井对构造煤反应敏感,应用电阻率反演技术预测构造煤分布特征结果较可靠。     

井约束下的三维地震波阻抗反演识别构造煤发育区

煤与瓦斯突出是影响煤矿安全生产的重要地质因素,而"构造煤"的发育是煤与瓦斯突出的一个必要条件。如何识别"构造煤"分布范围对于采取煤与瓦斯突出防治措施尤为重要。淮北芦岭煤矿Ⅲ102、Ⅲ106采区构造发育,煤层破坏严重,煤与瓦斯突出的危害较大。该区的测井资料表明,其构造煤在波速、密度方面与原生结构煤均有较大差异,因此波阻抗有利于确定构造煤的分布范围。通过对研究区的地震数据进行井约束下的波阻抗反演,得到初始波阻抗体,并对其低频信息进行多次迭代反演,得到最终反演波阻抗体。通过对比解释研究区过井波阻抗反演时间剖面、8煤层反射波能量最大值及±10ms时窗的阻抗幅均方根平面图,有效划分出区内构造煤、原生结构煤及其过渡区。     

基于支持向量机与地球物理测井资料的煤体结构识别方法

煤体结构作为煤层勘探开发研究的重点参数之一,影响着煤层产能,有效识别煤层煤体结构至关重要.本文利用支持向量机算法,以地球物理测井资料为基础进行煤体结构识别,并以沁水煤田柿庄北区3号层为例,对该区块进行煤体结构类型分类,利用支持向量机的双二分类与"一对多"分类两种建模模式,建立基于测井曲线的煤体结构识别模型,再利用交叉验证评价模型的泛化性,并对该模型用未参与建模数据进行准确性评价.结果表明,应用支持向量机算法的两种模式能有效识别煤体结构,模型具有泛化性与准确性,且"一对多"分类模式精度更高,在对有利产出煤和不利产出煤的区分上效果突出,对有利产出煤的具体类型区分上具有准确性,可对后续压裂施工提供指导.总体上,基于支持向量机算法和地球物理测井资料建立的煤体结构识别模型对煤层气勘探开发有指导意义,具有实际应用价值.     

潘一矿煤体结构特征及其在煤和瓦斯突出预测中的应用

煤体结构是煤与瓦斯突出的主要因素之一。利用钻孔测井曲线特征并结合矿井地质构造成果,对淮南潘一矿8煤层煤体结构特征及其构造煤发育规律进行了研究。研究表明该矿区8煤层构造煤发育,其厚度大于该煤层厚度20％的点数占一半以上,因其顶、底板围岩封闭性良好,有利于瓦斯聚集,易在采动条件下发生煤与瓦斯突出,确认为该区煤与瓦斯突出的重点煤层。依据瓦斯始突深度、构造煤分层厚度大于0．5m的分布范围、大中型断层位置及矿井突出资料,在F4断层组的两侧分别圈出了煤与瓦斯突出的危险区和威胁区。     

概率神经网络在地震岩性反演中的应用

卧龙湖煤矿北二采区岩浆岩侵入8煤层的现象较为严重,同时该区煤层中构造煤比较发育,瓦斯富集问题较为突出。利用三维地震资料、测井曲线进行约束反演得到的波阻抗作为外部属性,并使用step-wise属性选择法确定合适数目的地震属性,利用概率神经网络技术(PNN)对该区进行孔隙度预测反演。孔隙度反演结果与波阻抗反演结果的对比表明:孔隙度较波阻抗对于识别瓦斯富集带具有更高的分辨能力;概率神经网络具有高稳定性、计算精度高等特点,可作为研究构造煤发育和瓦斯赋存的有效手段。     

庐枞矿集区科学钻探的岩性识别方法

庐枞矿集区科学钻探钻遇岩性复杂,岩性亚种类别繁多,利用测井资料识别岩性存在较大的技术难度. 笔者采用网格搜索法、粒子群优化和遗传算法三种方法优选支持向量机的核函数参数γ和惩罚因子C,其中基于遗传算法优选的支持向量机参数准确率最高. 利用测井,结合岩芯、录井等资料,基于遗传算法建立支持向量机岩性自动识别模型,该模型实际数据预测总体符合率为86.86%,优于BP神经网络,全井岩性识别与岩芯录井相符,取得了好的应用效果.     

淮南新集一矿瓦斯赋存的构造控制作用

淮南新集一矿位于阜凤逆冲推覆构造的下伏系统,在强烈的近NS向应力挤压作用下,区内构造煤较为发育,导致瓦斯分布的不均一性。在分析矿区构造发育特征的基础上,探讨了构造对构造煤发育和瓦斯赋存的控制作用,结合测井曲线解释结果,分析了构造煤分布规律。结果表明,井田内构造煤总体呈现南厚北薄的变化趋势;以F10断裂为界,瓦斯具有明显的南北分带特征,矿井南部煤层埋藏浅、瓦斯含量低,而北部瓦斯含量和瓦斯压力均较高,虽然构造煤发育程度略低于南部,但由于煤层埋深加大、含气量增高,突出危险性也较大。     

煤与瓦斯突出的构造分区特征——以平顶山天安煤业股份有限公司十矿为例

针对平顶山天安煤业股份有限公司十矿(平煤十矿)煤与瓦斯突出的分区(带)性特点,采取地质单元划分的方法,反映其范围内的构造特征及瓦斯赋存情况。研究了地质单元范围内地应力分布、构造煤发育及分布特征的地质因素和瓦斯参数特征,结合平煤十矿煤与瓦斯突出特点,将瓦斯压力、构造煤厚度、瓦斯含量作为预测煤与瓦斯突出危险性的敏感指标,并据此预测具有突出危险性的范围,为煤与瓦斯突出预测和防治提供依据。     

支持向量机在水淹层测井识别中的应用

支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法.笔者尝试将Vapnik提出的支持向量机算法用于水淹层测井识别.总结了P油田水淹层的声波时差、自然电位、深感应电阻率、中感应电阻率及密度测井曲线与水淹程度的对应关系,建立了基于支持向量分类机的识别模型,并将上述参数作为训练样本的输入,油气特征作为训练样本的输出,对支持向量机进行训练.对于P油田水淹层的实际预测结果表明:支持向量机可以成为一种用于水淹层识别的有效工具.     

基于支持向量机的川中杂卤石分类识别研究

杂卤石是四川盆地主要的固态钾矿物,川中地区大多数杂卤石层不纯,通常伴随石膏层、硬石膏层、盐岩层发育,甚至同层沉积,常规测井解释方法只能粗略地识别杂卤石层。以支持向量机理论和测井解释为基础,测井数据作为输入,构建预测模型,对川中地区下中三叠统杂卤石样本做精细识别,将识别结果与录井资料验证对比,正确率达到90%以上。再以预测模型为基础,结合含杂卤石岩性在测井曲线上的响应情况,构建杂卤石层分类识别模型,识别杂卤石层、石膏质杂卤石层和杂卤石膏岩层,识别正确率达到91.78%,与常规测井解释方法相比具有明显优势。结果表明,将支持向量机运用到找钾矿中具有广阔的前景。     

基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究

砂砾质松散沉积物粒径组成复杂,钻探取心率低,导致对沉积相和相界面的判别准确度不高。本文结合岩心和测井资料,建立了松散沉积层基于支持向量机的测井数据岩性识别模型,分析了训练集样本数量对模型识别准确率的影响,并与BP神经网络模型进行了对比。结果表明,支持向量机模型的岩性识别准确率高,且对训练样本需求量低,可以有效地弥补钻孔取心率不足的问题,并降低钻探施工成本。在松散沉积物调查中,利用基于支持向量机的测井岩性识别模型自动识别沉积序列具有可行性,是实现绿色勘查的有益尝试。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

测井曲线判识构造软煤技术预测煤与瓦斯突出

基于构造软煤与硬煤的物性差异,分析构造软煤分层在测井曲线上的响应特征;根据煤层段测井曲线的形态特征,将揭露区钻孔测井曲线初步判识的结果同钻孔邻近巷道煤壁观测的结果进行对比、验证,形成了一套测井曲线判识构造软煤技术。利用该技术获取了研究区的构造软煤资料,对研究区的煤与瓦斯突出危险性区域进行了预测。     

构造煤的成因属性分类

前人研究认为构造煤是煤与瓦斯突出的必要条件,构造煤的分类对煤与瓦斯突出的预测和防治有重要意义。(1)根据构造煤参与煤与瓦斯突出过程的突出属性对构造煤重新进行了定义,认为构造煤是构造作用下强度降低、瓦斯异常的煤气双重介质,据此将构造煤划分为01类瓦斯构造煤和01类强度构造煤以及强度和瓦斯都变异的02类构造煤。(2)参考地质构造成因环境下岩石破坏的脆韧性划分方式,将突出属性分类与脆韧性的构造成因特性结合起来,划分出3类脆性构造煤和3类韧性构造煤,分别命名为01类脆性瓦斯构造煤、02类脆性构造煤等。(3)分析了构造煤在煤与瓦斯突出中的作用,低强度构造煤在其周围形成应力集中,瓦斯通过孔隙压力和吸附作用降低煤体强度,而高压瓦斯则是突出发展过程中煤体破坏和抛掷的重要动力源之一。(4)结合成因属性构造煤分类对各种地质因素对构造煤空间分布、构造煤瓦斯的生成和保存条件进行了分析。     

矿区地质构造对煤与瓦斯突出地段的控制

矿区地质构造对煤与瓦斯突出的控制通过对地应力的分布、瓦斯的保存以及软分层的发育而表现出来。压性构造有利于高地应力的生成、瓦斯的保存以及软分层的发育,从而有利于煤与瓦斯突出的发生;而张性构造则不利于煤与瓦斯突出的发生。此外,煤层围岩性质、煤层厚度和倾角对煤与瓦斯突出的发生也起了一定的控制作用。     

矿井瓦斯评价与预测的构造动力学方法

通过对矿井瓦斯赋存的构造控制、构造应力场演化及构造煤结构演化与瓦斯特性耦合机理的综合分析,认为当前在矿井瓦斯赋存、分布规律及突出危险区带的有效预测方面的研究还有待深入。在汲取前人研究成果的基础上,提出矿井瓦斯突出的构造动力学评价与预测的思路及方法,即以区域构造-矿井构造-煤层变形-构造煤结构-瓦斯特性及其相互作用机理分析为总体思路．将现代构造地质学理论和方法引入矿井构造研究,并与模糊综合评判、灰色系统、分形理论、数值模拟和计算机技术相结合,以揭示构造煤发育、分布规律及其构造动力学控制机理,系统进行不同类型构造煤瓦斯特性研究,探讨不同结构构造煤的含气性、透气性和气体赋存状态,以构造煤分布特征作为瓦斯突出危险性评价与预测的基础,建立矿井瓦斯突出预测预报的构造动力学评价方法体系。     

基于APSO-WLS-SVM的含瓦斯煤渗透率预测模型

为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法（APSO）优化的加权最小二乘法支持向量机（WLS-SVM）算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS-SVM模型的组合参数（C、σ）寻优,建立APSO-WLS-SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO-WLS-SVM和WLS-SVM模型的预测结果进行对比。结果表明：APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。     

基于粒子群支持向量机的三维含水层渗流参数反馈识别

实际岩土体含水层渗流一般是三维、空间各向异性的。针对三维渗流参数识别的数值正算时间过长,易限于局部最优解的问题,提出了一种基于支持向量机和粒子群优化算法的含水层渗流参数反馈识别方法。采用正交试验设计和有限元程序生成学习样本,利用支持向量机高度非线性映射能力,建立水头与渗流参数之间的映射关系,进而以识别误差目标函数为适应值,通过粒子群优化算法反馈搜索得到渗流参数。该方法可直接利用现有大规模渗流有限元程序进行三维含水层渗流参数识别。算例表明,该方法具有良好的效率和精度。     

基于随机树嵌入的随钻测井岩性识别方法

岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F₁值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。     

焦作矿区二_1煤储层物性特征及其对煤与瓦斯突出的影响

焦作矿区的构造煤发育,煤与瓦斯突出严重。基于研究区构造煤物性特征、分布及煤体结构等对煤与瓦斯突出的影响进行了探讨。认为区内二1煤层的煤体结构类型主要为破坏轻微的原生结构煤和破坏严重的糜棱煤,且两者呈分层出现;二1煤的微孔发育,煤体吸附能力强,加之软硬分层的纵向组合关系,煤体强度减弱,渗透性变差,导致瓦斯向顶底板运移难度增大,利于形成高能瓦斯富集带,增加突出的危险性;区域上构造煤分布影响着瓦斯突出的区域分布,局部构造煤分层厚度的突然增加也会增大突出的可能性。