科研之友
微信
新浪微博
Facebook
分享链接
摘要
常规煤层含气量预测方法多基于测井约束的地震属性反演以及线性映射模型,造成预测结果的精度难以控制,严重限制了方法的普适性。本文从地震属性优选与BP神经网络预测模型改进两方面入手开展研究。利用Q型聚类分析方法,对提取的目标储层地震属性进行分类优选,得到了与地质目标相关性好且相互独立的4种地震属性;进一步利用粒子群寻优算法对BP神经网络算法的输入层与隐含层的连接权值和隐含层的阈值进行了优化,构建PSO-BP预测模型,并利用井位置的优选地震属性和含气量数据训练PSO-BP模型。基于训练好的PSO-BP模型,以整个工区的优选地震属性作为输入,进行研究区内煤层含气量预测。井位置含气量预测结果与实测结果对比表明,该预测方法准确率高。因此,可认为PSO-BP预测模型以及相应的预测方法流程能有效适用于煤储层含气量的预测。
- 单位
