柳林矿区煤层含气量主控因素研究

为明确柳林矿区煤层含气量主控因素,在对沉积作用、煤层埋深、灰分等控气因素分析的基础上,着重从水文地质和顶板岩性2主控因素出发,采用灰色关联和相关分析等数学方法,从煤层顶板厚度20 m以内的岩性组合关系上探求了柳林矿区煤层气的控气主导因素。结果表明:山西组3+4号煤层含气量变化符合一般规律,在顶板岩性组合关系中受封闭型(泥岩)影响最明显,为陆相地层气压封闭型成藏;太原组8+9号煤层含气量与煤层埋深、灰分、直接顶板岩性无直接关系,与顶板灰岩的厚度有关,组合关系受动态型(灰岩)主控,是海陆交互相地层水压封闭型成藏。     

影响煤层气含量的地质因素分析与定量预测

从煤层气的生、储及盖的条件出发,分析影响煤层气含量的主控地质因素,根据实际测试数据分析,认为煤变质程度、煤层厚度及区域地质构造是造成煤层气含量差异的主要因素;以现有的岩芯测试资料为依据,选取相应的参数,采用基于小样本理论的支持向量机回归方法建立地质参数与煤层气含量的关系模型,对煤层气含量进行预测.彬长矿区的实际应用效果表明,利用支持向量机回归方法建立的煤层气含量预测模型,其预测结果准确程度较高,满足精度要求.     

煤层含气量的测定及影响因素

煤层含气量是确定煤层气有无开采价值的决定性参数。含气量包括现场解吸气量、残余气量和逸散气量。本文重点介绍：现场及室内煤层吸附气量的测定方法；USBM法、Smith-William法和曲线拟合法求取逸散气量：及分析影响含气量的因素。     

刘家区煤层气产能主控地质因素分析

本文结合刘家区煤层气开发实践，对其主控地质因素进行了综合分析，就单井控制煤层气可采资源量、构造发育情况、岩浆活动情况、水文地质情况、煤储层改造后的综合渗透率、临界解吸压力和盖层条件进行了论述。提出了该区煤层气开发的布井原则和有利区块。     

基于灰色BP神经网络算法的煤层气直井剩余含气量模型

以寺河煤矿西二盘区为例,对3#煤层储层地质条件及煤层气井排采数据进行研究,从地质和工程两方面分析了在渗透率基本相同的情况下,影响煤层剩余含气量的主要因素有原始含气量、煤层厚度、煤层埋深、累计产气量、累计产水量、抽采时间等;利用灰色BP神经网络法建立了剩余含气量预测模型,并把预测结果与参数井3#煤层经过5 a抽采的剩余含气量实测数据进行了对比,结果表明:2种预测结果较为接近。     

黔西地区煤层含气量主控因素解析

黔西煤层气储量丰富,同时成煤期地质条件复杂,不同区域煤层含气量差异较大,对煤层气含量差异因素研究有重要意义.通过对黔西煤层及煤层地质条件的研究,认为影响黔西煤层气含量的主控因素是煤层埋深、煤岩煤质、煤层分化带埋深和煤层厚度.并对以上主控因素与黔西煤层含气量的相关关系进行了研究,煤层含气量与埋深、煤阶、煤层厚度成正相关关系.     

桑树坪井田3煤层瓦斯赋存规律及主控因素分析

为了研究韩城桑树坪井田3煤层的瓦斯赋存规律和主控因素,运用瓦斯地质学、构造地质学以及线性回归的方法,结合桑树坪井田地质勘探及现场实测瓦斯数据,分析总结了3煤层瓦斯赋存的规律。结果表明:桑树坪井田瓦斯含量北高南低,瓦斯压力受埋深控制明显,并得出煤层埋深、地质构造和顶板岩性是影响3煤层瓦斯赋存的主控因素。     

石泉煤矿3#煤层瓦斯含量主控因素分析

在系统分析研究石泉煤矿井区地质背景和煤层发育情况的基础上,以钻井、实验测试数据为资料依据,讨论了石泉煤矿3#煤层瓦斯含量分布特征,瓦斯含量跨度较大(2.36~22.31 m³/t),低值区分布在井田北部,该区域具有甲烷含量低(13.4%~42.06%)且氮气含量高(56.93%~84.12%)的特点。依据此特点,从顶底板条件、地质构造、煤层发育程度、埋藏深度、煤质等方面入手,深入分析了3#煤层瓦斯含量主控因素。结果表明:风化带是影响瓦斯含量的主要因素,同时,褶皱构造、埋藏深度、灰分对瓦斯含量亦具有一定程度的影响。     

川南古叙矿区石宝矿段煤层气地质主控因素分析

本文对控制川南古叙矿区石宝矿段煤层气生成、富集的关键地质因素——构造、热力场和水动力等方面进行了研究分析,认为石宝矿段的成煤地质背景有利于煤层气的生成、聚集,建议加大加快煤层气专项工作,这将有利于川南地区煤层气的勘探开发。     

基于测井参数的煤层含气量预测模型与应用

煤层含气量是决定煤层气开发效果的重要参数,准确确定煤层含气量是煤层气勘探开发研究的一个关键问题。以沁水盆地东南部沁南东区块为依托,通过煤层含气量解吸试验和煤层气钻孔测井资料统计,分析了煤层含气量与测井参数之间的关系,选择了有效埋深的对数、体积密度、自然电位、深侧向电阻率与浅侧向电阻率比值、微球形聚焦电阻率的对数、声波时差与自然伽马和补偿中子乘积的比值等6个参数作为BP人工神经网络预测模型的基本特征量,建立了基于测井参数的煤层含气量BP人工神经网络预测模型,并对模型进行误差分析和应用结果对比分析。结果表明:基于测井参数的BP人工神经网络预测模型具有极强的非线性逼近能力,能真实反映煤层含气量与测井参数之间的非线性关系,预测结果与实测结果之间误差小,相对误差一般小于10%,采用测井参数预测煤层含气量具有较好的应用前景。     

神经网络技术在煤层瓦斯含量预测中的应用

将瓦斯含量预测技术与神经网络原理结合,利用Matlab强大的神经网络工具箱,采用BP模型对钱家营矿区域瓦斯含量进行预测。根据对井田地质条件的分析研究,选取了9个反应本矿瓦斯含量的特征指标,用13个学习样本对网络进行训练,得到了影响因素与瓦斯含量之间的关系。实验表明预测结果能较好的与实际相吻合,证明神经网络技术可以用来准确预测煤层瓦斯含量。     

基于ACSOA-BP神经网络的瓦斯含量预测模型

针对煤矿瓦斯含量预测问题,以陈四楼煤矿为例,在煤层瓦斯含量影响因素分析的基础上,通过对种群进行混沌初始化,并引入自适应混沌算法和非线性收敛因子,提出了自适应混沌海鸥算法(ACSOA),建立了基于自适应混沌海鸥算法优化BP神经网络的瓦斯含量预测模型(ACSOA-BP),将模型应用于矿井进行预测效果检验。结果表明:陈四楼煤矿二2煤层瓦斯含量与不同因素呈非线性关系,地质构造是控制煤层瓦斯分布的主要因素,ACSOA-BP模型具有更高的预测精度和稳定性。     

基于构造复杂程度定量评价的瓦斯含量预测BP模型

首先分析总结了构造复杂程度的3个定量评价指标--K_d（断层复杂程度系数）、K_z（褶皱复杂程度系数）和K_q（倾角复杂程度系数）;然后,在分析潘三煤矿瓦斯地质特征的基础上,把K_d,K_z,K_q,煤层埋深和基岩厚度作为影响该矿煤层瓦斯含量的因素,建立了潘三煤矿的瓦斯含量预测BP神经网络模型;对建立的模型进行学习训练,经5 470次迭代,模型收敛,其精度高于多元回归模型,说明利用构造复杂程度定量评价系数来预测瓦斯瓦斯含量是可行的.     

上隅角瓦斯浓度预测及其处理方法的优选

通过对影响上隅角瓦斯分布规律及瓦斯积聚处理方法的各因素综合分析，归纳出其主要的8个非相关性因素。建立了BP神经网络上隅角瓦斯浓度预测和积聚瓦斯处理方法优化数学模型，确定了神经网络的结构参数，并对网络进行了训练和验算，编制了相关程序，得到了实用的神经网络运行软件。该软件的应用效果很好。     

基于BP神经网络的未采区瓦斯含量预测

为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。     

淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测

抽采后残余瓦斯的存在对于矿井生产依然具有危险性,研究残余瓦斯的赋存规律及其预测是十分必要的。分析了淮北煤田许疃煤矿3_233采区地质条件,通过断层分维、煤层底板构造曲率和煤层倾角等指标的计算和统计,并分别赋予0.35,0,35和0.30的权重,计算得到研究区的构造指数及其分布,根据选取的42组数据,讨论了构造指数、煤层埋深、煤厚和原煤瓦斯含量等影响因素对抽采残余瓦斯赋存的影响,运用多元线性回归方法,拟合了瓦斯含量损失与构造指数、煤层埋深、煤厚等影响因素指标之间的相关关系,运用BP人工神经网络模型研究了预测抽采后瓦斯含量损失的可行性。结果表明:构造指数可以更精确地定量表征矿井构造复杂程度。瓦斯含量损失的主要影响因素为构造指数、煤层埋深、煤厚和原煤瓦斯含量。瓦斯含量损失总体上与构造指数呈负相关,而与其他因素的指标均呈正相关。经过数理统计的F检验,F=20.82F_(0.01)(3,38)=4.35,故多元线性回归的结果是显著的,表明瓦斯含量损失与各影响因素指标之间具有较密切的内在联系,其中构造指数对瓦斯含量损失的影响程度最大,煤层埋深影响程度最小,煤厚的影响程度介于构造指数与煤层埋深之间。以瓦斯含量损失为输出指标,以构造指数、埋深、煤厚和原始瓦斯含量为输入指标,建立了4×10×1结构的BP人工神经网络模型,模型经过学习训练后预测精度高,相对误差为1.19%～1.34%,表明可以运用人工神经网络模型预测未采区抽采后的瓦斯含量损失,残余瓦斯含量即为原煤瓦斯含量减去瓦斯含量损失,故可以间接预测抽采后残余瓦斯含量。     

基于RBF神经网络的瓦斯含量预测研究

以淮南矿区潘一矿13-1煤层为研究对象,确定了煤层埋深、煤层厚度、顶板岩性和构造是影响煤层瓦斯含量的主要因素;在分析勘探钻孔资料的基础上,利用RBF神经网络方法建立了瓦斯含量预测模型,结合实际数据,对预测模型进行训练和检验,预测结果表明,该模型比使用线性回归和BP神经网络模型预测能获得更高的精度,说明预测模型可靠.     

基于AVO反演技术的煤层含气量预测

为预测煤层气含气量,结合山西寺河煤矿实际资料,在分析不同含气量AVO异常特征的基础上,通过反演得到AVO属性,建立多地震属性与含气量之间的相关关系,从而获得煤层含气量分布。对于含气量不同的钻井,高含气量的煤层一般能形成较强的AVO异常,低含气量的煤层AVO异常很小。基于截距和梯度属性,可获得纵波阻抗、横波阻抗、极化参数、密度和伪泊松比等地震属性。地震属性与煤层含气量之间具有相关性,其中截距、纵波速度、纵波阻抗、横波阻抗、极化参数、密度、伪泊松比等属性与含气量具有较大相关性。研究表明,井孔处煤层含气量预测结果与实测瓦斯含量预测误差低,吻合性好,表明基于AVO反演技术预测煤层含气量是一种可行的方法。     

瓦斯地质数学模型法预测矿井瓦斯涌出量研究

提出的瓦斯地质数学模型法是一种新的矿井瓦斯涌出量预测方法．这种方法可以充分利用矿井已采区域的瓦斯涌出实测资料,综合考虑地质条件、开采深度等多种影响因素,建立预测瓦斯涌出量的多变量数学模型,较矿山统计法可提供更可靠的预测结果．     

基于粗集与神经网络相结合的岩移影响因素分析与开采沉陷预计方法研究

利用粗集理论，对不同矿区36个工作面的岩移观测资料进行了分析，得到了地质开采条件和地表沉陷之间的依赖关系，建立了以粗集作为前处理器，基于粗集与神经网络相结合的开采沉陷预计模型，实例检验证明了该模型的正确性。