瓦斯富集一直以來(lái)都是威脅煤礦安全生產(chǎn)的重要因素,如何對(duì)其精準(zhǔn)預(yù)測(cè)是值得深入探究的問(wèn)題.為此,本文以沁水盆地南緣某礦的3#煤層為研究對(duì)象,基于疊前地震數(shù)據(jù)體提取的AVO屬性預(yù)測(cè)目標(biāo)煤層的瓦斯含量.先通過(guò)對(duì)疊前三維地震數(shù)據(jù)進(jìn)行超道集計(jì)算和角道集抽取等的處理,計(jì)算疊前AVO屬性,得到截距（P）、梯度（G）、流體因子（P*G）、擬泊松比（P+G）、橫波反射系數(shù)（P-G）等多個(gè)屬性參數(shù)的沿層切片.再通過(guò)蝙蝠（BA）算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值來(lái)優(yōu)化預(yù)測(cè)模型,構(gòu)建AVO屬性與瓦斯含量間的非線性映射關(guān)系,并利用井?dāng)?shù)據(jù)訓(xùn)練非線性預(yù)測(cè)模型.最終,基于訓(xùn)練后的BA-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)研究區(qū)內(nèi)3#煤層的瓦斯含量.通過(guò)對(duì)比分析研究區(qū)內(nèi)目標(biāo)煤層9口鉆井處的預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果,顯示該方法的預(yù)測(cè)誤差較小;表明基于BA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,以AVO屬性為輸入,進(jìn)行煤層瓦斯含量的非線性預(yù)測(cè)是可行的. 

【文章來(lái)源】：地球物理學(xué)進(jìn)展. 2020,35(05)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

AVO屬性的提取流程

BP神經(jīng)網(wǎng)絡(luò)三層結(jié)構(gòu)圖

圖2 BP神經(jīng)網(wǎng)絡(luò)三層結(jié)構(gòu)圖(5)在瓦斯富集區(qū)煤層頂?shù)装褰鼐郟和梯度G總是符號(hào)相反,為了AVO異常更好突出,將二者作減法運(yùn)算,得到橫波反射系數(shù)(P-G)屬性,二者差值可增強(qiáng)AVO異常特征且減弱反演過(guò)程中產(chǎn)生的噪聲,能更好地反映瓦斯富集情況.

【參考文獻(xiàn)】：
期刊論文
[1]基于蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配[J]. 郭貝,任金霞.  制造業(yè)自動(dòng)化. 2019(08)
[2]基于改進(jìn)反射系數(shù)近似方程的縱橫波阻抗同步反演[J]. 付欣,張峰,李向陽(yáng),錢(qián)忠平,陳海峰,梅璐璐.  地球物理學(xué)報(bào). 2019(01)
[3]蝙蝠算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的25Hz相敏軌道電路故障診斷研究[J]. 鄭云水,牛行通,康毅軍.  鐵道學(xué)報(bào). 2018(12)
[4]2007—2016年全國(guó)煤礦事故統(tǒng)計(jì)及發(fā)生規(guī)律研究[J]. 諸利一,呂文生,楊鵬,王志凱,王昆.  煤礦安全. 2018(07)
[5]基于改進(jìn)蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電力變壓器故障診斷研究[J]. 公茂法,柳巖妮,王來(lái)河,宋健,謝云興.  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[6]2005-2014年我國(guó)煤礦瓦斯事故統(tǒng)計(jì)分析[J]. 陳曉坤,蔡燦凡,肖旸.  煤礦安全. 2016(02)
[7]沁水盆地煤層含氣后的AVO響應(yīng)特征[J]. 馮小英,秦鳳啟,唐鈺童,劉慧,王亞.  巖性油氣藏. 2015(04)
[8]HTI煤層AVO響應(yīng)特征及其影響因素[J]. 彭蘇萍,王宏偉,杜文鳳,勾精為.  煤炭學(xué)報(bào). 2013(10)
[9]利用AVO屬性研究構(gòu)造煤的分布規(guī)律[J]. 崔大尉,王遠(yuǎn),于景邨.  煤炭學(xué)報(bào). 2013(10)
[10]利用地震AVO反演預(yù)測(cè)煤與瓦斯突出區(qū)[J]. 胡朝元,彭蘇萍,杜文鳳,勾精為.  天然氣地球科學(xué). 2011(04)



本文編號(hào)：3351180