地震属性及其在煤层厚度预测中的应用

介绍了应用地震属性技术预测煤层厚度变化的方法．分析了钻孔处地震属性与煤厚的相关性，对地震属性进行了优选．将得到的地震属性利用多元多项式回归以及BP人工神经网络方法，求出各属性与煤厚之间的回归方程及人工神经网络回归模型．将该模型应用到非井点的地震属性上，实现了对淮南谢桥矿区13-1煤层厚度的预测，取得了较好的应用效果，证明了用地震属性技术预测煤厚是可行的．     

基于灰色关联与神经网络的瓦斯含量预测研究

为了解各影响因素对煤层瓦斯赋存规律的影响,准确预测煤层瓦斯含量,在分析潘一东勘探钻孔资料的基础上,基于灰色关联分析了影响13-1煤层瓦斯含量的各因素,确定了煤层埋深、顶板岩性、煤层厚度和地质构造是影响煤层瓦斯含量的主要因素;利用神经网络方法建立了煤层瓦斯含量预测模型,结合实际数据,对预测模型进行训练与检验。结果表明：预测精度较高,验证了基于灰色理论与神经网络预测模型的可靠性。     

煤层厚度与振幅、频率地震属性的正演模拟

依据地质、地震资料设计了地震地质模型，模拟了在煤层缺失、剥失、分叉、合并等情况下反射波振幅、频率等地震属性；同时讨论了这些属性对不同煤层厚度灵敏度．结果表明，当煤层厚度为0～8m时，振幅、频率地震属性与煤层厚度之间存在一单调非线性关系；当煤层厚度为8～13m时，只有频带宽度作为煤层厚度预测唯一参数；当煤层厚度大于13m时，根据煤层顶、底板反射波旅行时与速度预测煤层厚度。     

基于支持向量机的地震多属性综合解释技术应用研究

给出基于支持向量机方法的储层参数预测流程。以粗糙集理论优选出的地震属性为输入向量,利用支持向量机方法对渤海SZ36-1的砂泥岩百分比、孔隙度与含油饱和度进行预测。实例应用表明,利用此方法预测储层参数的精度较高。     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果.作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层,预测地质条件相对复杂矿井的瓦斯涌出量.经已采区实测值与预测值比较分析认为,预测结果可信.     

地震属性技术在煤田地震勘探中的应用研究

介绍了地震属性技术的特点和专业术语 ,阐述了同相轴属性和数据体属性参数的提取方法 .利用实例说明了该技术在识别断层及其它构造、解释煤层厚度变化、预测奥陶系灰岩岩溶裂隙等的具体应用情况 .认为在煤田地震勘探中 ,利用地震属性信息有助于解释人员了解地下构造、地层和岩性特征     

地震多属性BP神经网络法在预测煤层厚度上的应用研究

在煤矿开采中,准确的煤厚数据非常重要。传统的计算煤厚的方法是通过已知钻孔的煤厚数据进行插值得到,这样就导致没有钻孔的地方煤厚计算结果和实际煤厚误差较大。地震多属性BP神经网络法可以有效地解决该问题。对该方法进行了理论介绍,并通过应用实例得出如何应用该方法预测煤厚。实际生产中,首先要对解释的煤层反射时间进行精细插值并提取地震属性,然后利用交汇图法和剖面法选择出与煤层厚度相关的多个地震属性,最后利用BP神经网络法进行煤厚预测。淮北某工区利用该方法计算的煤厚误差较小,验证孔的煤厚误差只有0.67%,在该区利用多属性BP神经网络法预测煤层厚度非常成功。     

利用多属性体分类技术预测扇三角洲砂体

对单一地震属性采用神经网络技术进行分类,在低信噪比地区很难准确进行地震相分析和砂体预测.根据地震波形理论,基于Seisfacies的多属性体分类、PCA主成分分析、混合聚比法和自组织人工神经网络技术对层段内多种地震属性体按照相似性原则进行统计聚类分析,并在区域内进行地震相自动划分,得到地震相三维数据体.结合钻井资料,借助三维可视化技术在三维空间中预测储层砂体的空间分布,大大减少了地震相划分的多解性,提高了储层预测的精度和工作效率.对华北油田万庄地区扇三角洲砂体进行预测,在三维空间中精细刻画了沙三中段扇三角洲砂体的边界和空间展布,预测了有利储层的发育区,发现并落实了3个有利的岩性圈闭,部署钻探的T12X、T47等井均获工业油流,效果很好.     

基于粒子群神经网络的煤层瓦斯含量预测

针对BP神经网络在煤层瓦斯含量预测中的局限性,如收敛速度慢和可靠性差等缺点,根据煤层瓦斯含量与其影响因素之间相互作用和耦合的特点,建立了粒子群算法和BP神经网络相结合的煤层瓦斯预测模型.在采用BP网络对煤层瓦斯含量进行预测的基础上,采用粒子群算法优化隐含层神经元个数和网络中的连接权值,并根据现场的实测数据,提出了粒子群神经网络训练和检验样本集,对预测模型进行训练和检验.仿真结果表明,该预测模型加快了网络收敛的速度,克服了易陷入局部极小的问题,具有可靠性强和预测精度高等特点.     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时，地质条件尤为复杂，采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果．作者从矿井地质综合分析入手，采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型，分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层。预测地质条件相对复杂矿井的瓦斯涌出量．经已采区实测值与预测值比较分析认为．预测结果可信．