| 基于地震反演方法的奥陶系顶部含隔水层探测 |
| |
| 引用本文： | 师素珍，石贵飞，刘最亮，等. 基于多变量LSTM网络的K2灰岩富水区预测−以阳泉泊里矿区为例[J]. 煤田地质与勘探，2023，51(5)：155−163. DOI: 10.12363/issn.1001-1986.22.06.0471 |
| |
| 作者姓名： | 师素珍 石贵飞 刘最亮 李礼 姚学君 裴锦博 何亚洲 |
| |
| 作者单位： | 1.中国矿业大学(北京) 煤炭资源与安全开采国家重点实验室，北京 100083;2.中国矿业大学(北京) 地球科学与测绘工程学院，北京 100083;3.华阳新材料科技集团有限公司，山西 阳泉 045000 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金资助项目(2022JCCXMT01)；煤炭资源与安全国家重点实验室开放基金项目(SKLCRSM22DC02) |
| |
| 摘 要： | 在山西阳泉泊里矿区，太原组K2灰岩是15号煤层上部主要的含水层，查明其富水分布特征对上下组煤层安全开采至关重要。为了准确得到K2灰岩的富水分布区域，首先，利用常规的波阻抗反演获取精确的K2灰岩空间展布特征。然后，结合皮尔逊相关系数法与交叉验证−逐步回归法优选出9种地震属性，构成网络的训练数据。此外，引入适合于时序数据处理且能够捕捉测井曲线前后相关性的长短期记忆神经网络(LSTM)，构建智能化、多变量LSTM视电阻率预测模型，以精确地预测研究区视电阻率进而得到地层富水性分布特征。同时，分别利用常规多属性回归算法与多变量LSTM模型在井点位置建立电阻率测井曲线与地震属性井旁道之间的映射关系。最后，将井点处训练好的网络模型推广至无井区得到全区视电阻率体，根据视电阻率值的高低、矿区地质构造与陷落柱发育情况圈定灰岩富水区。实际数据的测试结果表明：与常规多属性回归算法相比，多变量LSTM模型预测误差小，与测井相关系数高，说明多变量LSTM模型可以更加精确地预测出工区视电阻率，在含煤地层的富水性预测中有较好的应用价值。tttt
|
| 关 键 词： | 富水性 视电阻率 属性优选 含煤地层 长短期记忆神经网络 |
| 收稿时间： | 2022-06-20 |
| 修稿时间： | 2023-04-10 |
|
| 点击此处可从《煤田地质与勘探》浏览原始摘要信息 |
|
点击此处可从《煤田地质与勘探》下载全文 |
