澳大利亚S区块基于复合参数模型的煤层含气量预测

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。      

测井方法在煤层气勘查中的应用

根据测井原理,利用煤层气测井中各种参数可以确定和评价煤层气及其储层的相关参数,如储存煤层深度、厚度、工业分析、含气量、渗透率、岩石力学性质、储层温度等.对煤层气钻井的固井质量也可以利用声幅测井、声波变密度测井、自然伽马测井、磁定位测井做出可靠的解释.山西某煤层气勘探区测井资料与试井、化验等资料表明,测井数据与化验、试井、排采等数据非常接近,可见利用测井数据成果可为煤层气的勘探与开发提供可靠的理论依据.     

鄂东气田煤层含气量测井预测

煤层含气量计算的准确与否直接关系到煤层气开发方案的有效制定。在简要介绍了现有煤层含气量评价方法的基础上,利用测井资料和煤岩心含气量分析化验资料,采用统计回归方法优选了煤层含气量的敏感性测井参数,并基于优选的测井参数,运用多元回归和神经网络两种数学方法构建了鄂东气田的煤层含气量测井预测模型。利用所构建的模型对研究区内的煤层含气量进行了预测,预测结果与煤岩心含气量室内分析数据对比表明,多元回归法和神经网络法均能较好地对煤层含气量进行预测,但神经网络法的预测精度更高。     

MSR-SVR煤层渗透率预测模型

煤储层渗透率是影响煤层气开采的重要参数,为了有效的预测煤层渗透率,提出了多元逐步回归与支持向量回归结合的MSR-SVR预测模型。通过研究沁水盆地柿庄北地区测井数据,采用多元逐步回归法分析因变量渗透率与自变量孔隙度、声波时差、自然伽马、电阻率、自然电位之间的关系,优选出显著性自变量孔隙度和自然伽马,将其作为初始样本输入到支持向量回归中,以此建立模型对煤层进行渗透率预测。利用测试样本和验证样本对模型的有效性进行验证,其相对误差均在25%以内。MSR-SVR预测模型实例表明:沁水盆地柿庄北地区煤层的渗透率普遍偏低;MSR-SVR预测模型在地质条件复杂、渗透率规律性差的煤层中进行渗透率预测具有合理性和可行性。     

多属性神经网络反演预测煤层顶板岩性

煤层顶板岩性对于煤矿安全生产产生很大的影响。通过神经网络方法对自然伽马测井与地震属性（包括波阻抗属性）进行训练得到两者的非线性关系,并将其应用到整个地震数据中得到拟自然伽马体。相对于波阻抗属性,自然伽马参数可以很好地区分砂泥岩,从而更直接预测煤层顶板岩性,提高岩性预测的分辨率。      

应用BP神经网络预测煤质参数及含气量

煤层气储层物理结构以及煤层气的存储，运移等方面不同于常规天然气，评价煤质参数的测井等效体积模型难以较好地描述煤层这种复杂的物理结构，提出利用ＢＰ神经网络预测煤质参数及煤层气含量的模型和算法，预测的煤质参数以及煤层含气量与煤样分析结果比较表明，预测与煤样分析参数之间的平均绝对误差和相对误差都较小，精度满足定量计算的要求。     

煤层气储层测井评价技术及应用

煤层气储层地球物理测井评价是获取煤层气参数的重要方法。根据沁水盆地柿庄区块煤层气储层的典型地质特征及该区块的测井资料和岩心分析数据,基于体积模型和概率统计模型的分析方法,计算出煤层各组分含量;对大量的测井资料进行统计分析,得出该区煤层煤阶与地层温度相关的结论;基于概率统计模型计算出的煤层组分和实验室岩心解吸测试数据,利用兰氏方程和多元线性回归导出了煤层含气量计算的经验公式,并通过该区的实际资料验证了评价方法的可信度与有效性。      

采空区移动变形的径向基函数神经网络概率积分法(RBF)反演

借助部分矿区地表移动实测数据,选用径向基函数(RBF)神经网络对概率积分法的计算参数进行反演,采用K层交叉验证对模型精度进行优化,并与BP神经网络模型和SVM模型预测结果进行对比,发现RBF模型精度均优于BP模型和SVM模型,且其稳定性较好。可为概率积分法预测评估采空区地表移动变形范围提供一种可靠的方法。     

优化遗传算法在孔隙度预测中的应用

孔隙度是油藏描述和储量计算最重要的参数之一。因此 ,高精度的孔隙度预测是建立储层地质模型的关键。文中应用优化的遗传算法———演化程序 ,利用岩芯样品的孔隙度和测井数据建立合适的预测模型 ,应用声波、密度、自然伽马和自然电位测井数据进行储层孔隙度预测。预测结果表明 :与线性回归和灰色GM (0 ,5 )等传统的预测方法相比 ,应用演化程序进行孔隙度预测 ,提高了预测结果的精度 ,减轻了预测过程中对先验信息的依赖程度。     

深度学习在煤层气测井解释中的应用研究

将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣。为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测。实验结果表明：首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90%以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法。深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值。     

用自然伽马测井资料解释煤层镓含量初探

根据煤层中粘土矿物吸附放射性元素及Ga、Al元素置换;煤层Ga含量随灰分增高而增高等原理,利用自然伽马测井资料,可对煤层中的Ga含量进行计算。为综合利用高灰分煤和高碳炭质泥岩及含粘土较高的夹石提供了评价资料。      

柿庄南区块3号煤层含气量三维建模

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      

Gamma and resistivity logs for characterization of Gondwana coal seams at the Northwestern part of Bangladesh

Different parameters obtained through geophysical borehole logging using self potential, resistivity, gamma–gamma, neutron, natural gamma, and acoustic tools, help in the identification of strata and estimation of the physical, electrical, and acoustical properties of the subsurface lithology. In the coal mining industry, currently, the main application for the logs is to determine coal seam depth, thickness together with coal seam quality, qualitatively. Gamma and resistivity logging in seven boreholes at the Phulbari Coal Basin show high resistivity value and low gamma count rate data in coal seams than the interbeds. An attempt has been made to identify and characterize Gondwana coal seams to a limited extent of seam depth, thickness, and quality in seven boreholes together with draw relationship between resistivity, gamma count rate, and ash content of coal at the Phulbari Coal Basin of Bangladesh.     

低能伽马测井法在煤田勘探中的应用研究

简要叙述低能伽马伽马(原称选择伽马，以下简称低能伽马)测井技术的基本原理和仪器使用方法，通过阳曲项目8个煤田孔的测井资料研究该方法在煤田勘探中的应用效果。结果表明：低能伽马测井法的纵向分辨率较高．在确定薄煤层、划分煤层簿夹石和复杂结构以及提高煤炭储量计算精度方面是其它测井方法无法取代的，在解释煤质成分方面也优于其它测井方法。     

矿用电磁随钻伽马测井仪标定与试验

为有效识别煤层及其顶底板,针对煤矿定向钻孔施工需求,开发了矿用电磁随钻伽马测井仪。通过自然伽马测井刻度获得仪器刻度系数,采用标准井测试及煤矿井下穿层孔试验,获得矿用电磁随钻伽马测井仪多种测量曲线。通过与标准井伽马曲线对比及穿层孔地质资料分析,验证了矿用电磁随钻伽马测井仪测量结果的准确性。山西伯方煤矿井下应用试验表明,矿用电磁随钻伽马测井仪在定向钻孔施工中不仅能进行钻孔轨迹测量同时可有效识别煤层顶底板界面,对于指导煤矿井下定向钻孔施工、提高目的层钻遇率具有重要意义。      

煤层含气量测井解释方法参数选择及适用性

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。      

测井评价煤层气储层的方法探讨

根据煤层气储层实验室分析确定的体积模型（碳、灰分、挥发分、水分）,以测井曲线予以评价。其中以自然伽马测井确定湿灰分,该方法的前提条件是湿分主要是泥质且泥质不具放射性元素;以密度测井与人工伽马测井确定含碳量,并对密度测井作湿分校正;以灰分校正后的密度测井确定饱和水孔隙度;含气量的估算以声波测井和密度测井组成的复合参数ΔT/dDEN来确定,或以视电阻率曲线确定含气量。以某地区2个钻孔为例,讨论了煤层深度、压力等与水分、灰分、含气饱和度、含气量等参数的关系,认为含气量与深度成正比关系。     

基于聚煤环境分区的煤体结构测井判别及应用 ——以沁水盆地南部马必东地区为例

煤体结构的测井曲线判别是一种高效经济的地球物理判别方法,但是受沉积环境和煤储层物性等因素影响,测井曲线具有多解性,造成煤体结构测井响应不明显,由此得到的判别方法也会有区域局限性。因此,在进行测井判别之前,需要对除煤体结构以外的影响测井曲线的因素加以控制。以沁水盆地马必东区块3号煤为例,首先利用煤心灰分与伽马测井曲线的正相关性进行煤心归位,以确保测井深度与取心深度的一致性;再利用煤心的镜质组与惰质组含量之比(镜惰比)对工区的聚煤环境进行分区,并优选聚煤环境相近分区的测井曲线。结果表明,电阻率系列曲线可以较清晰地反映该地区的煤体结构,受探测深度的影响,声波曲线无法准确地反映该地区煤体结构的变化规律。利用取心井训练的多测井曲线随机森林模型对未取心井煤体结构进行预测和判定,实测压裂曲线检验表明,预测结果与实测数据吻合率高。应用表明,基于聚煤环境分区的煤体结构测井判别方法可以反映煤体结构分布规律,指导压裂工作,降低煤层气开发成本,且有助于指导跨区块的煤体结构测井响应研究。