常規(guī)煤層含氣量預測方法多基于測井約束的地震屬性反演以及線性映射模型,造成預測結果的精度難以控制,嚴重限制了方法的普適性。本文從地震屬性優(yōu)選與BP神經網絡預測模型改進兩方面入手開展研究。利用Q型聚類分析方法,對提取的目標儲層地震屬性進行分類優(yōu)選,得到了與地質目標相關性好且相互獨立的4種地震屬性;進一步利用粒子群尋優(yōu)算法對BP神經網絡算法的輸入層與隱含層的連接權值和隱含層的閾值進行了優(yōu)化,構建PSO-BP預測模型,并利用井位置的優(yōu)選地震屬性和含氣量數據訓練PSO-BP模型�；谟柧毢玫腜SO-BP模型,以整個工區(qū)的優(yōu)選地震屬性作為輸入,進行研究區(qū)內煤層含氣量預測。井位置含氣量預測結果與實測結果對比表明,該預測方法準確率高。因此,可認為PSO-BP預測模型以及相應的預測方法流程能有效適用于煤儲層含氣量的預測。 

【文章來源】：物探與化探. 2020,44(06)北大核心

【文章頁數】：6 頁


本文編號：3202162