煤与瓦斯突出高危煤层的地震属性预测方法研究
发布时间：2021-06-27 06:41
煤与瓦斯突出是严重影响我国煤矿安全生产的主要动力灾害之一，受多种因素的影响。但总的来说，煤与瓦斯突出多发生于煤与瓦斯突出高危煤层。地震属性技术是构造和岩性勘探的主要技术手段之一。本文通过对煤层反射波地震属性的研究，探讨了利用其预测煤与瓦斯突出高危煤层的可能性；并通过实例分析，验证了本文所述方法的可行性。通过建立的楔形煤层模型和构造煤厚度模型，分析了地震属性与煤层厚度或构造煤厚度之间的关系。当厚度较薄时，其相互间关系较简单，可以利用地震属性和属性交会图预测煤层厚度或构造煤厚度。由于目前已知的地震属性众多，需要优选出与煤层厚度或构造煤厚度关系最为紧密的地震属性。为此，以上述模型正演数据为基础，利用GA-BP神经网络建立了地震属性优化模型。通过实际优化处理，取得了较好的优化效果。以优化后的地震属性为输入，建立了基于FNN和SVR的煤层厚度和构造煤厚度预测模型。通过对模型数据和实际采区数据的预测实践，发现本文所建立模型的预测精度较高。由于地震属性不仅受构造煤厚度的影响，也受煤层厚度的影响。为此，提出了校正煤层厚度对地震属性影响的方法。通过对实际地震属性的煤层厚度影响校正，发现校正后的地震属性与...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：164 页
【学位级别】：博士
【部分图文】：
正相位煤层厚度预测实验测试1成果图
(a)训练集 (b)测试集图 4-3 正相位煤层厚度预测实验测试 2 成果图Figure 4-3 Result map of test two for coal thickness prediction by positive phase(3) 负相位实验测试 1在本次测试时，将 98 个地震道随机划分为训练集和测试集。其中，68 道为训练集，另 30 道为测试集。通过提取煤层反射波的负相位波地震属属性，并将GA-BP 神经网络优选的 30hz 谱分解、加权频率、带宽、优势频率、Q 值和瞬时频率等 6 个地震属性作为 FNN 神经网络的输入层，煤层厚度作为输出层。通过多次实验比对，当模糊隶属度函数个数为 18 时，煤层厚度预测精度较高。因此，将模糊神经网络的结构设定为 6-18-1，进化次数设定为 1200 次。由于训练集和测试集是由随机函数随机产生的，因此每一次的训练和预测结果都略有不同，不可能完全一致。为此，任意选取其中一次的训练和预测结果进行显示，其结果如图 4-4所示。
(a)训练集 (b)测试集图 4-3 正相位煤层厚度预测实验测试 2 成果图Figure 4-3 Result map of test two for coal thickness prediction by positive phase(3) 负相位实验测试 1在本次测试时，将 98 个地震道随机划分为训练集和测试集。其中，68 道为训练集，另 30 道为测试集。通过提取煤层反射波的负相位波地震属属性，并将GA-BP 神经网络优选的 30hz 谱分解、加权频率、带宽、优势频率、Q 值和瞬时频率等 6 个地震属性作为 FNN 神经网络的输入层，煤层厚度作为输出层。通过多次实验比对，当模糊隶属度函数个数为 18 时，煤层厚度预测精度较高。因此，将模糊神经网络的结构设定为 6-18-1，进化次数设定为 1200 次。由于训练集和测试集是由随机函数随机产生的，因此每一次的训练和预测结果都略有不同，不可能完全一致。为此，任意选取其中一次的训练和预测结果进行显示，其结果如图 4-4所示。
【参考文献】：
期刊论文
[1]构造应力场与煤及瓦斯突出的关系[J]. 程军,张丽红,吴国代,刘敬青,刘梓萱. 煤田地质与勘探. 2012(04)
[2]含瓦斯煤体渗透率与煤体结构关系的实验[J]. 吕闰生,彭苏萍,徐延勇. 重庆大学学报. 2012(07)
[3]改进BP神经网络的煤与瓦斯突出预测[J]. 赵鑫,宋广军,李诚. 计算机仿真. 2012(06)
[4]地震数据结构张量相干计算方法[J]. 陈双全,季敏. 石油物探. 2012(03)
[5]2011年度我国煤矿安全生产情况报告[J]. 陈奇. 煤矿支护. 2012(02)
[6]重力滑动构造对煤与瓦斯突出的控制作用[J]. 郝富昌,刘明举,魏建平,付永乾. 煤炭学报. 2012(05)
[7]基于瓦斯地质图的工作面突出区域预测技术[J]. 郝富昌,刘明举,孙丽娟. 辽宁工程技术大学学报(自然科学版). 2012(01)
[8]矿井煤与瓦斯突出数学模型的建立[J]. 李坤,由长福,祁海鹰. 工程力学. 2012(01)
[9]构造应力场对煤与瓦斯突出的控制作用[J]. 李涛,张宏伟,韩军,吕有厂,兰天伟. 西安科技大学学报. 2011(06)
[10]利用多波地震与测井数据联合反演预测煤岩的坚固性[J]. 芦俊,王赟,石瑛. 地球物理学报. 2011(11)
本文编号：3252342
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：164 页
【学位级别】：博士
【部分图文】：
正相位煤层厚度预测实验测试1成果图
(a)训练集 (b)测试集图 4-3 正相位煤层厚度预测实验测试 2 成果图Figure 4-3 Result map of test two for coal thickness prediction by positive phase(3) 负相位实验测试 1在本次测试时，将 98 个地震道随机划分为训练集和测试集。其中，68 道为训练集，另 30 道为测试集。通过提取煤层反射波的负相位波地震属属性，并将GA-BP 神经网络优选的 30hz 谱分解、加权频率、带宽、优势频率、Q 值和瞬时频率等 6 个地震属性作为 FNN 神经网络的输入层，煤层厚度作为输出层。通过多次实验比对，当模糊隶属度函数个数为 18 时，煤层厚度预测精度较高。因此，将模糊神经网络的结构设定为 6-18-1，进化次数设定为 1200 次。由于训练集和测试集是由随机函数随机产生的，因此每一次的训练和预测结果都略有不同，不可能完全一致。为此，任意选取其中一次的训练和预测结果进行显示，其结果如图 4-4所示。
(a)训练集 (b)测试集图 4-3 正相位煤层厚度预测实验测试 2 成果图Figure 4-3 Result map of test two for coal thickness prediction by positive phase(3) 负相位实验测试 1在本次测试时，将 98 个地震道随机划分为训练集和测试集。其中，68 道为训练集，另 30 道为测试集。通过提取煤层反射波的负相位波地震属属性，并将GA-BP 神经网络优选的 30hz 谱分解、加权频率、带宽、优势频率、Q 值和瞬时频率等 6 个地震属性作为 FNN 神经网络的输入层，煤层厚度作为输出层。通过多次实验比对，当模糊隶属度函数个数为 18 时，煤层厚度预测精度较高。因此，将模糊神经网络的结构设定为 6-18-1，进化次数设定为 1200 次。由于训练集和测试集是由随机函数随机产生的，因此每一次的训练和预测结果都略有不同，不可能完全一致。为此，任意选取其中一次的训练和预测结果进行显示，其结果如图 4-4所示。
【参考文献】：
期刊论文
[1]构造应力场与煤及瓦斯突出的关系[J]. 程军,张丽红,吴国代,刘敬青,刘梓萱. 煤田地质与勘探. 2012(04)
[2]含瓦斯煤体渗透率与煤体结构关系的实验[J]. 吕闰生,彭苏萍,徐延勇. 重庆大学学报. 2012(07)
[3]改进BP神经网络的煤与瓦斯突出预测[J]. 赵鑫,宋广军,李诚. 计算机仿真. 2012(06)
[4]地震数据结构张量相干计算方法[J]. 陈双全,季敏. 石油物探. 2012(03)
[5]2011年度我国煤矿安全生产情况报告[J]. 陈奇. 煤矿支护. 2012(02)
[6]重力滑动构造对煤与瓦斯突出的控制作用[J]. 郝富昌,刘明举,魏建平,付永乾. 煤炭学报. 2012(05)
[7]基于瓦斯地质图的工作面突出区域预测技术[J]. 郝富昌,刘明举,孙丽娟. 辽宁工程技术大学学报(自然科学版). 2012(01)
[8]矿井煤与瓦斯突出数学模型的建立[J]. 李坤,由长福,祁海鹰. 工程力学. 2012(01)
[9]构造应力场对煤与瓦斯突出的控制作用[J]. 李涛,张宏伟,韩军,吕有厂,兰天伟. 西安科技大学学报. 2011(06)
[10]利用多波地震与测井数据联合反演预测煤岩的坚固性[J]. 芦俊,王赟,石瑛. 地球物理学报. 2011(11)
本文编号：3252342
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3252342.html
