煤层含气量预测方法

含气量是进行煤层气资源计算与选区评价的关键。在有效含气量数据太少,不能满足研究工作需要的情况下,根据少量实测含气量数据和煤的等温吸附曲线、储层压力梯度、煤的水分、灰分数据,预测未知区煤层气量,是一种行之有效的方法。实践证明,预测含气量数据与实测含气量数据比较接近,能保证资源量计算及资源评价结果的可靠性。     

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。     

基于测井参数优选的煤层含气量预测模型

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。      

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。     

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。     

煤层煤质和含气量的测井评价方法及其应用

根据辽河油田东部凹陷煤储层的地质特征以及实际煤岩芯分析资料和测井资料,利用回归分析方法得出了计算煤层各组分含量和煤阶的方法;通过分析煤层气特征,利用兰氏方程、吸附等温线和煤层气层中子背景值导出了煤层含气量的计算公式,并通过辽河油田东部凹陷实际煤储层测井资料的处理解释验证了方法的有效性。     

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。     

测井解释中煤层含气量评价方法对比研究

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。     

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     

密度和中子测井对煤层甲烷含气量的响应及解释

煤层甲烷含气量是评价煤层气的最重要指标。可理论计算密度和中子测井对它的响应,并由此导出计算含气量的方程。     

煤层含气量模拟试验方法及应用

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。     

观音山勘探区煤层含气量灰色关联预测

煤层含气量受多种地质因素影响,往往难以准确预测。以云南观音山勘探区为例,利用灰色关联度法识别出影响煤层含气量的主要因素,先后建立了煤层含气量预测的GM (1,N)模型和GM (1,1)模型。进一步分析揭示,煤层埋藏深度、煤层顶板5 m内砂岩厚度和顶板岩性是影响观音山勘探区煤层含气量的3个关键因素,利用残差尾段序列建立的GM (1,1)模型具有较高的预测精度。     

深部煤层气测井评价方法及其应用

煤层气地球物理测井评价是获取煤层气参数的重要方法。根据实际资料总结了胜利油田山东探区深部煤层的测井响应特征,实现了对煤层的自动识别划分。结合前人的工作,给出了煤层组分、孔隙度和渗透率等参数的定量计算方法,并改进了煤阶划分和含气量估算方法。实际资料处理结果表明,该套方法的煤层识别吻合率和参数定量计算可信度均较高,为评价煤层气资源提供了可靠参数。     

灰色系统理论在煤层气含量预测中的应用

煤层含气量是一个受多因素影响的反映煤层含气性的定量指标。以晋城矿区为例,根据煤层气地质基本理论,利用改进的斜率关联度法,分析了煤层气含量的影响因素;进而,由灰色多变量静态模型GM(0,N)预测了煤层气含量,并与多元回归分析的结果进行比较。结果表明,用改进斜率关联度进行灰色关联分析所确定的煤层气含量的主要影响因素是可信的;由GM(0,N)模型预测煤层含气量所需样本数据少,原理简单,计算方便,且预测精度较高。     

澳大利亚加里里盆地煤层气控气因素及富集区预测

加里里盆地为澳大利亚东部主要的含煤盆地,也是其煤层气勘探开发的主要区块。通过煤质特征、气源条件、构造演化、盖层条件和水文条件等对煤层气富集的主控因素和富集区进行研究。结果表明,该区煤质及生气能力相当,白垩纪中期煤层开始持续生气;白垩纪晚期的区域构造抬升使气藏遭到破坏;扇三角洲主扇体间的局部泥岩相对发育,可形成良好盖层;靠近盆地中心存在地层水滞留区,地层水矿化度高,氯化钙型为主,对煤层气保存有利,含气量和氮气组分也显示含气性变好。因此,良好局部盖层的发育和滞水环境是该区煤层气富集的主控因素;Hulton-Road构造东北、Marathon单斜以东区域及中部Berly突起以北部分区域煤层的富气条件好,是煤层气的富集区。     

沁水盆地南部TS地区煤层气储层测井评价方法

煤层气是一种自生自储于煤岩地层的非常规天然气资源,其储层测井评价内容及方法不同于常规天然气,在煤层气勘探开发过程中更关注于有关煤岩工业分析组分、基质孔隙度、裂缝渗透率及煤层含气量等一系列关键的储层参数。针对沁水盆地南部TS地区煤层气勘探目标层,分析了各种测井响应特征,采用回归分析法计算煤岩工业分析组分;针对煤层气含量影响因素众多且较为复杂的特点,结合相关地区煤岩样品实验分析结果,利用基于等温吸附实验的兰氏煤阶方程估算煤层含气量参数;通过煤岩孔隙结构的分析,采用变骨架密度的密度孔隙度计算公式求取煤岩总孔隙度,利用迭代逼近算法计算裂缝孔隙度;根据煤岩裂缝中面割理发育而端割理不甚发育的特点,以简化的单组系板状裂缝模型计算煤岩裂缝渗透率。通过对TS-A井进行实际计算,结果表明,煤岩工业分析组分和煤层含气量计算结果精度高,总孔隙度一般在5.5%左右,而裂缝孔隙度则大多小于0.5%,裂缝渗透率主要分布在0.001×10-3～10×10-3μm2之间,孔渗参数计算结果与相邻井区现有资料相符。采用测井方法可以快速、系统地对煤层气储层多种参数进行准确评价。     

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。     

基于煤层气井生产数据的储层含气量校正新方法

勘探实践发现沁水盆地潘庄、潘河区块及鄂尔多斯盆地保德区块煤层气井累计产量远远大于原始计算的地质探明储量。该现象对体积法计算的煤层气资源储量提出了挑战,同时为全面“上储增效”提出了新的方向。在采用体积法计算煤层气储量时,含气面积、含气量的准确性以及煤岩密度与煤层厚度的非均质特征都会对储量参数的准确性产生影响。其中,由于取心测试过程的局限性,煤层含气量的数值常存在一定的误差。本次研究基于鄂尔多斯盆地和沁水盆地的煤层气井生产数据并结合等温吸附实验结果提出了计算储层临界最低含气量的方法(临界最低法)。将校正后的临界最低含气量与实测含气量(基于美国矿业局直接法(USBM)和史密斯-威廉姆斯法)进行对比,并剖析含气量测试损失量的地质控制机理。结果表明:在中低至中高煤阶(R_o=0.7%~2.1%)范围,临界最低法计算的含气量总体高于其它两种方法计算的含气量,临界最低法在中低煤阶至中高煤阶具有较强的适应性。在高煤阶(R_o=2.1%~2.8%)范围,临界最低法计算结果可以与取心测试结果相互验证。总体上,煤层含气量测试(USBM法)损失量受不同煤阶煤岩孔裂隙发育特征、煤体结构、含气饱和度及逸散时间的影响。含气量测试损失量与孔渗发育特征、构造煤发育程度、含气饱和度及逸散时间呈正相关。此外,针对未取心的煤层气井,可以采用钻井岩屑测试等温吸附参数进而利用临界最低法求取储层含气量,为煤层气进一步的勘探开发提供数据基础。