共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
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
4.
基于Langmuir 等温吸附方程式,开展不同煤阶不同温压条件下等温吸附模拟实验,实验结果表明:在煤岩镜质组反
射率Ro<3.0%时,Langmuir 等温吸附曲线随煤阶、温度、压力升高表现出明显的分带性。随着煤阶的升高,煤吸附能力逐
渐增强。温度小于55℃时不同煤阶Langmuir 体积受温度影响较小,之后影响逐渐增大。低煤阶在12 MPa、中高煤阶在
15 MPa以前随压力增加Langmuir 体积增大明显。根据实测含气量外推法结合高温高压等温吸附实验建立了深煤层含气量数
学模型,显示煤层含气量随埋深呈现快速增加—缓慢增加—不增加—缓慢减小的变化规律,其中低煤阶临界深度介
于1400~1700 m,中高煤阶临界深度介于1500~1800 m。该含气量数学模型对预测深部煤层含气量变化规律及煤层气资源评
价提供基础依据。 相似文献
5.
6.
煤层含气量测井解释方法探讨 总被引:5,自引:1,他引:5
用多元线性回归建立煤层气含量与煤质参数、测井曲线值之间的回归方程,经F检验回归方程有效,但回归方程估算的煤层含气量与煤样解吸测定的含气量之间仍然存在较大的误差,为此利用BP神经网络进一步探讨它们之间的关系,实例表明预测精度较高。 相似文献
7.
寿阳矿区深部煤层含气量预测 总被引:2,自引:0,他引:2
煤田地质钻孔瓦斯资料主要分布在1000m以浅,因而深部煤储层含气量的准确预测成为煤层气资源评价中亟待解决的问题。本文依据矿区15号煤浅部已有的含气量资料、煤的等温吸附曲线、储层压力梯度等数据对矿区深部的煤储层含气量进行了预测。 相似文献
8.
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
9.
煤层含气量模拟试验方法及应用 总被引:4,自引:0,他引:4
利用IS-100等温吸附仪的高压吸附罐、精确的控温系统,配备气体电子流量计,并编制了控制程序,建立了煤层气含气量模拟试验方法。模拟试验方法的建立,可以全程模拟煤层气从提钻取心到解吸结束,了解含气量测试过程中煤层气的解吸规律,求取任意时间对应的逸散气量,为多种方法求取逸散气量的对比研究提供了方便。 相似文献
10.
11.
深部煤层含气量变化特征与浅部有所不同,实测数据极少,需要研发新的方法对其进行预测。本文以鄂尔多斯盆地东部主煤层为对象,分析了影响吸附常数的地质因素。基于煤样在不同温度条件下的高压甲烷等温吸附实验,采用主成分分析方法,探讨了深部煤层含气量预测方法。选取温度、镜质组反射率、水分含量、灰分产率、镜质组含量、惰质组含量6个因素进行主成分分析,提取出3个主成分,获得吸附常数与3个主成分之间的多元一次函数关系,根据朗格缪尔方程并结合含气饱和度建立了深部煤层含气量预测模型。采用这一模型,对鄂尔多斯盆地东部深部煤层进行了实例研究。结果表明,煤层含气量随埋深的变化存在一个临界深度,临界深度大致在750~1200m之间,随煤级及地层温度和地层压力而呈规律性变化。在临界深度以浅,煤层含气量随埋深的增大而增高;超过临界深度后,含气量随埋深的增大而减低。 相似文献
12.
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
13.
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
14.
15.
针对鄂尔多斯盆地东缘不同地区煤层含气量分布不同的特点,通过分析三交-柳林、大宁-吉县和韩城地区的构造及其各主采煤层含气量分布特征,探讨了鄂尔多斯盆地东缘3个地区煤层含气量分布的构造控制作用。结果表明,燕山期构造运动是整个鄂尔多斯盆地东缘的关键构造事件;本区构造作用对煤层含气量分布的控制主要体现为控制煤层赋存状态,而构造部位、构造展布和构造性质,则控制煤的变质作用以及煤层气的保存条件;三交-柳林地区仅局部单斜构造为煤层气有利富集区,大宁-吉县地区煤层气赋存构造条件较好,应作为鄂尔多斯盆地东缘煤层气勘探开发的重点区域,韩城东部矿区煤层气赋存较差,且北压南拉的构造格局常造成含气量南低北高。 相似文献
16.
煤层气吸附解吸机理研究是揭示煤层气成藏机理及高效开发煤层气的基础。已有研究表明,煤储层孔隙结构非常复杂且具有分形特征,煤层气在孔−固界面的吸附行为明显受到煤孔隙结构特征的影响。对比分析几种常用气−固界面上的吸附模型,总结这些模型的特点和适用条件,指出当前吸附模型在分形界面吸附行为的描述和应用上均未摆脱吸附选择性的平稳假设,尚未考虑吸附厚度的尺度不变特征。而分形拓扑理论可以有效标定分形对象的尺度不变属性,为分形界面的等效表征提供了理论支撑。因此,结合上述模型对气−固界面吸附行为的描述,借助分形拓扑理论提出煤储层孔−固界面上分形吸附行为的相关假设及其控制机理,构建基于吸附拓扑的单层吸附模型。在此基础上,通过设置不同的吸附拓扑参数组合获取其等温吸附曲线,分析得出,随着吸附压力的升高,吸附覆盖率表现出指数、线性和对数3种不同的增长趋势,而吸附热表现为对数减小趋势。结果显示,不同的吸附拓扑参数组合会得到不同类型的等温吸附曲线,在一定程度上弥补了Langmuir方程只能描述单一类型等温吸附线的不足。为了验证吸附模型的适用性,结合沁水盆地武乡区块富有机质泥页岩的液氮吸附实验数据,对比了实际等温吸附曲线与模拟吸附曲线的差异。结果表明,通过调整各吸附拓扑参数之间的组合关系,可以使等温吸附模拟曲线与实际吸附曲线的趋势始终保持一致。最后,探讨了吸附解吸机理的研究方向,类比电子层提出了吸附层的概念,指出发展分形动力学描述模型是解释煤层气吸附解吸规律的关键。
相似文献17.
豫西地区煤层含气性分析 总被引:1,自引:0,他引:1
煤层含气性是煤层气资源评价的的重要参数。豫西地区石炭系二叠系煤层发育,本文依据大量的煤田地质资料和含气量测试、瓦斯涌出量等数据,分析了含气量测试数据的可信度,深入解剖了煤变质程度、埋深、构造、上覆连续沉积地层厚度、煤层厚度及煤层顶底板岩性等主要控制因素对煤层含气性的影响,进而建立了煤层含气量与煤级、埋深的拟合曲线及其函数关系,并对全区二_1煤层含气量空间分布规律进行了总结,得出了本区煤层含气量高、煤层气勘探开发前景十分广阔的结论。 相似文献
18.
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
19.
为了解决煤层含气量定量解释问题,将煤层测井数据与煤心解吸数据作为输入和输出参数,构建深度置信网络(DBN),进而预测煤层含气量。研究以甘肃合水地区测井数据为例,筛选出该地区120组煤层样品作为DBN样本分析数据。选择短源距自然伽马、自然伽马、密度、长源距自然伽马和浅侧向5条测井曲线,作为DBN的输入参数,煤层气含量作为DBN的输出参数,研究RBM数量和隐藏神经元数量对计算结果的影响。并通过概率统计法、BPNN、DBN和SVM计算了30组煤层的煤层气含量,比较不同方法的预测效果。结果表明:①受限玻尔兹曼机(RBM)对DBN计算结果的精度有一定的影响,RBM数量达到7层时,预测结果准确性更高;②选择合适的隐藏层神经元数量,可以保证计算结果的精度和稳定性,神经元数量为20时,预测结果精度更高,稳定性更好;③RBM使得DBN的准确性高于BPNN,此外,DBN的计算准确性和稳定性高于概率统计法和SVM。 相似文献