基于ABC-BP模型的煤层含气量预测

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。      

基于支持向量机的地震属性优选及煤层气预测

为了充分发挥地震属性分析技术的优势,针对地震勘探中的小样本事件,阐述了支持向量机原理,开展了基于支持向量机的煤田地震属性非线性优选的方法研究,并在煤层气含量预测中取得了良好的效果。结果表明:基于支持向量机(SVM)属性优选的煤层气预测效果比运用钻孔插值的效果更精确,较好地解决了小样本的学习问题,可作为煤层气预测的一种有效方法。      

基于人工智能的川东北三叠系杂卤石地震识别

作为钾肥的主要来源之一,杂卤石矿藏具有旺盛的需求。我国川东北地区三叠系海相地层中,杂卤石矿藏发育。但该地区杂卤石矿体埋藏较深、分布散乱,勘探难度极大。为降低开发成本,需要充分借助地震资料的优势,为钾盐储层的描述提供钻前支持。针对该地区杂卤石层地震反射特征复杂、常规波阻抗反演方法难以直接预测的问题,本文引入人工智能算法对地震资料进行数据挖掘。本方法首先通过模糊粗糙集属性约简,提取适合富钾地层表征的敏感地震属性;然后以极限学习机为数据挖掘工具,自主学习敏感地震属性和井中实测钾含量曲线的非线性映射关系,形成了基于极限学习机的杂卤石预测方法。应用结果证明:利用极限学习机人工智能方法成功地对川东北地区的杂卤石进行了预测,取得了预期的地质效果,为该地区利用地震数据探寻杂卤石提供了一条新的勘探思路。     

基于地震多属性的郑庄区块煤层气开发甜点区优选

摘要：地震属性受多种地质因素的影响,单一地震属性很难准确地反映煤层气储层综合地质特征。寻找能够降低地震属性多解性的方法,准确预测主地质参数,是评价煤层气有利区的关键。根据煤层厚度、含气量和渗透率分别与振幅类、频率类和曲率类地震属性具有较高相关性的特点,通过地震多属性组合变换的方法,建立了基于地震属性分析的煤层气主地质参数预测模型。然后,建立动态权重系数中值法,以中值评价值出现的最高频率,确定主地质参数在煤层气有利区优选中所占的权重,并基于评价值函数实现有利开发区块优选。利用该方法对沁水盆地郑庄地区的预测结果表明：最有利开发甜点区位于北部的59-60-57-55井区,次级有利开发甜点区位于东北部的53-62-49-45井区。     

基于地震属性的致密碳酸盐岩储层裂缝分布的人工智能预测方法

裂缝是致密碳酸盐岩储层的重要渗流通道,影响油藏开发效果.由于裂缝的地球物理响应弱且复杂,使得裂缝预测困难.在深度挖掘地震属性中裂缝特征信息的基础上,建立了基于人工智能的裂缝分布预测方法 .该方法通过支持向量机算法优选裂缝敏感属性,利用梯度提升决策树(GBDT)算法深度挖掘单井裂缝发育情况与地震属性之间的非线性关系,梯度提升决策树算法对于异常值有较强的鲁棒性,可以较好地解决裂缝地震响应弱且复杂的问题.该方法在中东扎格罗斯盆地某油田古近系渐新统-新近系中新统Asmari组主力产油层位的致密碳酸盐岩储层中进行了实例应用,优选出方差、曲率、倾角偏差、倾角、方位角5种裂缝敏感地震属性,利用梯度提升决策树集成不同地震属性中的裂缝特征,建立裂缝分布预测模型,对研究区碳酸盐岩储层裂缝分布进行了预测.与常用裂缝预测方法的对比实验表明,本方法的裂缝预测结果与单井裂缝解释更为符合.预测结果表明,研究区北部裂缝更为发育,构造高部位附近裂缝更为发育,与生产动态认识相符合.     

基于时变分频反褶积与地震多属性融合方法的碳酸盐岩储层预测

地震资料分辨率的提高能更好地识别储层地震响应特征,能更精确对复杂储层进行储层预测研究.地震属性分析技术作为储层识别和储层描述的方法之一,其种类繁多且意义不尽相同,单一的地震属性对实际地层特点的反应往往是不确定、不完整的,为此结合地震多属性分析,利用RGB属性融合方法提高储层预测的准确性.这里首先用时变分频反褶积方法提高...     

应用一种改进BP神经网络算法预测密度曲线

利用测井数据与地震数据二者相结合进行综合分析,是地震勘探工作者的重要工作。可以通过分析井位处的地震数据与测井数据,提取地震的多个属性,建立一个与测井属性的统计关系。选取已改进的三层网络结构BP神经网络算法,在应用一个实际例子后表明,该算法的主要特点是收敛速度快、计算简单,同时还具有跳出局部最小的能力。应用此神经网络算法对某油田的二维地震数据进行了处理,提取了多种地震属性,并在井位置建立了地震属性与密度曲线的非线性关系,成功预测了剖面密度曲线,为了解储层状况提供了有益的资料。     

煤层气储层参数多信息综合定量预测方法

提出了以地震属性和钻孔测井参数为基础, 以数学地质为桥梁, 实现煤层气储层参数定量预测的科学方法。薄煤层厚与反射波振幅之间为单调增减关系公式; 孔隙度与地震反射瞬时频率成正比关系, 可采含气量与地震反射瞬时振幅成反比关系, 且相关程度高。最后应用该成果对山西沁水煤层气地震勘探工程实际预测, 对储层厚度、孔隙度、含气量做出定量预测。该成果有利于提高煤矿采煤安全性和降低煤层气开采的风险性, 同时也将开拓地震勘探技术新的应用领域。      

非参数回归法在孔隙度参数预测中的应用

目前有很多利用地震属性进行储层参数预测的方法,多数方法都是针对一种特定的参数模型而制定的统计方法,即只有在一定的参数模型中才能使用的统计方法.实际应用中,由于地震属性与储层参数之间的关系十分复杂,事先无法给出合适的、具体的参数模型,使用参数模型就有可能产生较大误差.本文简要介绍了非参数回归预测方法的基本原理和方法特点,对如何分析和选取具有明确物理意义的、反映储层参数横向变化较为敏感的、与储层参数关系较为密切的地震属性进行了讨论.用非参数回归法对大港唐家河工区进行了孔隙度参数的平面分布预测,表明该方法在储层参数预测技术以及油藏描述中将会有广阔的应用前景.     

利用地震多属性分析技术预测"暗点"型含气储层

充分利用能够反映储层及其含气特征的多种地震属性,结合已知钻井的测井、地质资料进行综合分析,以神经网络技术和属性降维处理为技术手段,估算储层参数及预测储层含气性的方法就是地震多属性分析技术.该技术的关键是储层的精细标定、层位准确追踪,以及沿层提取属性所开时窗的合理性.对孝泉-新场地区须家河组二段气藏的应用实例证实,该技术是运用叠后地震数据对"暗点"型气藏进行储层及其含气性预测的又一有效手段.     

地震多参数神经网络储层油气预测中的参数优化

在利用多参数进行储层油气预测时,并不是使用的特征越多越好,最佳特征的维数取决于实际问题的预测效果。这里运用聚类分析法优选地震特征参数,将距离较远或相似系数低的特征参数聚为一类,用来对未知样本进行地震储层预测。利用优选后的参数进行神经网络储层油气预测,在实际应用时取得了较好的效果。     

利用地震属性进行砂岩储层横向预测

地震属性分析技术一直是地震特殊处理和地质解释的主要研究内容。随着相关理论的发展,地震属性分析技术已经应用到油气勘探开发的各个阶段。S盆地南部处于勘探开发的前期,具有井少、二维地震测网较稀、储层预测难的特点。由于沉积地层的变化能引起地震波在动力学和运动学上的相应变化,因此利用地震属性能较好地进行储层特征的定性研究,即通过地震多种属性分析,进行研究区内砂岩储层横向预测。其研究技术路线实际上为先找储层,再进行初步油气检测,最后进行勘探目标优选。根据这个技术路线,地震属性的研究则相应地以三个方面的分析为主:即利用振幅属性来寻找砂体富集区,利用有效带宽判断砂层的均质性,再利用频率属性判断其含气性。地震属性分析方法的应用在早期天然气勘探开发具有可以推广的普遍意义。     

东营凹陷红层地球物理特征分析及有利储层预测

东营凹陷深部储层是干燥沉积环境下的一套红层,其中的孔一中储层厚度大、钻遇井少,具有较大勘探潜力。但目标区地层结构复杂,埋深从南到北逐渐变大,井震关系一致性不好,储层预测有很大难度。通过综合分析井震特征、优选地震属性、建立井震厚度关系,使用单一最佳属性法、多元线性回归法、基于学习型的非线性储层预测法,得出以下认识与结论：1）研究区红层具有薄互层典型特征,频率较上覆和下伏地层高,地震反射具有中振、低连、低信噪比特征;2）新研发的基于优势频率的流度因子具有最好的厚度相关性,最大振幅、均方根振幅、过零点数、能量半时也较好;3）无论是多元线性回归还是非线性支持向量机,优化的五属性储层预测效果要好于七属性;4）基于交叉验证的支持向量机方法十分适合深部储层小样本储层厚度预测,效果好于单一最佳属性法和多元线性回归法。     

基于粗糙集条件信息熵的山岭隧道坍塌风险评价

坍塌是山岭隧道施工过程中主要灾害之一。由于影响坍塌的因素众多,且各因素所占的权重差异较大,甚至有些因素是不必要或冗余的。目前常用的评价方法不但未对这些不必要或冗余的因素进行筛选,而且权重的确定过于依赖专家经验和主观赋值,导致风险评价结果精度低、可靠性差。基于此,应用粗糙集理论在数据挖掘、指标筛选和重要性计算方面的优势,将山岭隧道坍塌风险评价构建为粗糙集的决策信息表。但工程试验发现,基于传统依赖度的属性约简及权重计算不能满足要求,存在计算权重为0或约简结果过多,无法取舍的问题。针对以上问题,提出了一种基于条件信息熵的计算方法,该方法将条件信息熵引入到属性重要度和权重的定义中,同时以最重要的条件属性为起点,逐步增添属性,实现属性约简。所建立的方法既能从大量影响因素中,提取出主要影响因素,剔除相对冗余或不重要的因素;同时又能计算得到各因素的客观权重。最后结合模糊综合评价法,建立了基于粗糙集条件信息熵的山岭隧道坍塌风险评价模型,并成功应用于秀村隧道中,表明该模型可靠、实用,为山岭隧道坍塌风险评价提供一条新的研究思路。     

多元微相控深水储层预测方法

本文针对深水储层预测中的两个隐蔽而且关键的问题,即电测曲线无法识别深海-半深海泥与深水重力流沉积泥岩,以及深水重力流沉积体内部砂岩和泥岩地球物理响应特征非常接近,常规测井与地震联合预测方法无法描述深水重力流沉积体内部砂岩特征,作者提出了新的深水储层预测方法。该方法利用常规地震属性能够清楚识别和刻画深水重力流沉积体的优点,首先提出深水沉积研究面-线-点的新思路。第一步从地震资料入手,自下而上提取一系列地震属性,确定不同时期深水重力流沉积体的平面分布,建立深水沉积模式;第二步创新多元井震精确时深标定法解决了深海泥和深水重力流沉积泥无法进行电性区分的问题,即将地震剖面上深水重力流沉积体的顶底时间界面通过合成记录标到测井曲线上,进行单井相研究、沉积单元划分和不同沉积微相单元钻井砂地比的精确计算等基础工作;最后优选地震属性,拟合出不同沉积微相单元地震属性和砂地比的最佳关系公式。进而将深水重力流沉积体地震属性平面图按不同的沉积微相单元转化成该沉积体的砂地比平面图,实现对整个深水沉积体系砂体的精确预测。     

三维地震属性参数在煤层厚度预测中的应用

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。