常村煤矿3#煤层上部砂岩富水性地球物理综合预测研究
发布时间：2022-12-10 15:56
针对潞安矿区常村煤矿3#煤层上部砂岩的含水性问题,以矿区地质构造特征为基础以及多种物探手段为理论依据,基于地震资料和测井资料,利用AVO反演、波阻抗反演和概率神经网络反演等多种手段,科学地预测研究了该区3#煤层顶板的含水性。将以上方法应用到常村煤矿,根据实际测井数据和地震数据等资料,建立和适合实际情况的理论模型,成功地对3#煤层顶部110米范围的砂岩含水特征进行了预测研究,预测结果与实际地质情况吻合。对于顶板砂岩富水性的预测研究,以潞安矿区常村煤矿为研究区,对3#煤层顶板砂岩进行预测。该研究区顶板砂岩富水性的影响因素主要包括砂岩厚度、砂岩含水性和砂岩孔隙度等方面。以测井数据和拟密度曲线反演技术为基础,对砂岩厚度进行了预测研究;利用密度测井曲线和自然伽马测井曲线的数据,结合井旁波阻抗数据,利用概率神经网络反演技术,对全区顶板砂岩的孔隙度进行了综合预测研究;利用多种测井数据,如密度、自然伽马、补充中子、视电阻率、自然电位等测井数据曲线的识别技术和地震AVO反演技术,结合多组测井数据和地震波属性数据,对该区顶板砂岩含水性进行了不同视角的预测研究。本文砂岩厚度的预测方法主要是将反演数据体变换为...
【文章页数】：113 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
1.1 选题目的及意义
1.2 国内外研究现状
1.3 主要研究内容与技术路线
1.4 主要研究成果
2 地球物理预测理论基础及研究区地质概况
2.1 测井曲线识别技术
2.2 拟密度曲线反演预测技术
2.3 概率神经网络预测技术
2.4 AVO反演预测技术
2.5 研究区地质构造特征
2.6 3#煤层顶板砂岩赋存特征
3 研究区3#煤层上部砂岩含水性地球物理预测
3.1 顶板砂岩及其含水性测井曲线识别
3.2 基于拟密度曲线反演技术的砂岩层厚度预测
3.3 基于拟密度曲线反演技术的砂岩含水性预测
3.4 基于概率神经网络技术的砂岩孔隙度预测
3.5 基于AVO反演技术的砂岩含水性预测
3.6 小结
4 研究区3#煤层顶板砂岩富水性研究成果
4.1 各段砂岩层厚度研究成果
4.2 各段砂岩孔隙度和富水性研究成果
4.3 小结
5 结论
5.1 主要研究成果
5.2 存在问题与建议
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于测井资料的含水层富水性预测模型：以鄂尔多斯地区营盘壕井田为例[J]. 李梁宁,魏久传,李立尧,石守桥,尹会永. 中国矿业. 2019(09)
[2]岩性柱状数据重构拟密度反演预测煤层岩浆岩分布——以祁南煤矿103采区为例[J]. 刘鹏. 工程地球物理学报. 2019(04)
[3]基于褶积模型的波阻抗反演技术在煤炭资源储量管理中的应用[J]. 赵启生,褚洪伟,尹聪. 山东煤炭科技. 2019(07)
[4]石油测井技术的现状及发展趋势研究[J]. 井冬月. 石化技术. 2019(03)
[5]基于改进的贝叶斯推断和最小二乘支持向量机的非线性多波联合AVO反演（英文）[J]. 谢玮,王彦春,刘学清,毕臣臣,张丰麒,方圆,Tahir Azeem. Applied Geophysics. 2019(01)
[6]浅析石油测井技术现状及发展趋势[J]. 张琼. 石化技术. 2018(12)
[7]基于地震波阻抗反演的薄储层定量预测技术[J]. 闫华,王晓燕,寇枫,卢雄. 非常规油气. 2018(04)
[8]弹性波阻抗反演在储层预测中的应用[J]. 安泰霖. 内蒙古煤炭经济. 2018(15)
[9]Synthetic well logs generation via Recurrent Neural Networks[J]. ZHANG Dongxiao,CHEN Yuntian,MENG Jin. Petroleum Exploration and Development. 2018(04)
[10]波阻抗反演技术在煤田勘探中的应用[J]. 王千遥,单蕊. 煤炭技术. 2018(08)
博士论文
[1]弹性波阻抗反演约束的储层三维地质建模研究[D]. 潘涛.中国地质大学(北京) 2017
[2]γ能谱谱数据分解方法研究[D]. 刘永刚.中国地质大学（北京） 2011
[3]弱各向异性介质转换波AVO分析与流体识别方法研究[D]. 崔杰.吉林大学 2011
硕士论文
[1]基于AVO和AVAz技术的构造煤及煤层裂隙预测方法研究[D]. 金俊俊.中国矿业大学 2019
[2]双马煤矿首采区煤层顶板富水性探测与水害危险性评价[D]. 王艳彬.西安科技大学 2018
[3]利用测井资料识别鄂尔多斯盆地L-S区块沉积微相的方法研究[D]. 蒋文皓.长江大学 2018
[4]基于地震及测井资料的煤层及顶板砂岩岩性预测方法研究[D]. 马国栋.中国矿业大学 2018
[5]基于测井数据的岩性识别算法研究与系统开发[D]. 段小秋.长江大学 2018
[6]常规测井曲线广义S变换应用研究[D]. 李涛.西安石油大学 2017
[7]叠前弹性波阻抗反演技术在煤层顶板砂岩富水性预测中的应用研究[D]. 叶亮春.西安科技大学 2017
[8]N2红土层空间赋存形态及岩性解释方法研究[D]. 张明川.中国矿业大学 2017
[9]复杂介质AVO特征正演模拟及属性分析方法研究[D]. 宋思远.长安大学 2017
[10]基于BP神经网络与井约束的纵横波波阻抗反演方法研究[D]. 赵传伟.山东科技大学 2017
本文编号：3717053
【文章页数】：113 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
1.1 选题目的及意义
1.2 国内外研究现状
1.3 主要研究内容与技术路线
1.4 主要研究成果
2 地球物理预测理论基础及研究区地质概况
2.1 测井曲线识别技术
2.2 拟密度曲线反演预测技术
2.3 概率神经网络预测技术
2.4 AVO反演预测技术
2.5 研究区地质构造特征
2.6 3#煤层顶板砂岩赋存特征
3 研究区3#煤层上部砂岩含水性地球物理预测
3.1 顶板砂岩及其含水性测井曲线识别
3.2 基于拟密度曲线反演技术的砂岩层厚度预测
3.3 基于拟密度曲线反演技术的砂岩含水性预测
3.4 基于概率神经网络技术的砂岩孔隙度预测
3.5 基于AVO反演技术的砂岩含水性预测
3.6 小结
4 研究区3#煤层顶板砂岩富水性研究成果
4.1 各段砂岩层厚度研究成果
4.2 各段砂岩孔隙度和富水性研究成果
4.3 小结
5 结论
5.1 主要研究成果
5.2 存在问题与建议
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于测井资料的含水层富水性预测模型：以鄂尔多斯地区营盘壕井田为例[J]. 李梁宁,魏久传,李立尧,石守桥,尹会永. 中国矿业. 2019(09)
[2]岩性柱状数据重构拟密度反演预测煤层岩浆岩分布——以祁南煤矿103采区为例[J]. 刘鹏. 工程地球物理学报. 2019(04)
[3]基于褶积模型的波阻抗反演技术在煤炭资源储量管理中的应用[J]. 赵启生,褚洪伟,尹聪. 山东煤炭科技. 2019(07)
[4]石油测井技术的现状及发展趋势研究[J]. 井冬月. 石化技术. 2019(03)
[5]基于改进的贝叶斯推断和最小二乘支持向量机的非线性多波联合AVO反演（英文）[J]. 谢玮,王彦春,刘学清,毕臣臣,张丰麒,方圆,Tahir Azeem. Applied Geophysics. 2019(01)
[6]浅析石油测井技术现状及发展趋势[J]. 张琼. 石化技术. 2018(12)
[7]基于地震波阻抗反演的薄储层定量预测技术[J]. 闫华,王晓燕,寇枫,卢雄. 非常规油气. 2018(04)
[8]弹性波阻抗反演在储层预测中的应用[J]. 安泰霖. 内蒙古煤炭经济. 2018(15)
[9]Synthetic well logs generation via Recurrent Neural Networks[J]. ZHANG Dongxiao,CHEN Yuntian,MENG Jin. Petroleum Exploration and Development. 2018(04)
[10]波阻抗反演技术在煤田勘探中的应用[J]. 王千遥,单蕊. 煤炭技术. 2018(08)
博士论文
[1]弹性波阻抗反演约束的储层三维地质建模研究[D]. 潘涛.中国地质大学(北京) 2017
[2]γ能谱谱数据分解方法研究[D]. 刘永刚.中国地质大学（北京） 2011
[3]弱各向异性介质转换波AVO分析与流体识别方法研究[D]. 崔杰.吉林大学 2011
硕士论文
[1]基于AVO和AVAz技术的构造煤及煤层裂隙预测方法研究[D]. 金俊俊.中国矿业大学 2019
[2]双马煤矿首采区煤层顶板富水性探测与水害危险性评价[D]. 王艳彬.西安科技大学 2018
[3]利用测井资料识别鄂尔多斯盆地L-S区块沉积微相的方法研究[D]. 蒋文皓.长江大学 2018
[4]基于地震及测井资料的煤层及顶板砂岩岩性预测方法研究[D]. 马国栋.中国矿业大学 2018
[5]基于测井数据的岩性识别算法研究与系统开发[D]. 段小秋.长江大学 2018
[6]常规测井曲线广义S变换应用研究[D]. 李涛.西安石油大学 2017
[7]叠前弹性波阻抗反演技术在煤层顶板砂岩富水性预测中的应用研究[D]. 叶亮春.西安科技大学 2017
[8]N2红土层空间赋存形态及岩性解释方法研究[D]. 张明川.中国矿业大学 2017
[9]复杂介质AVO特征正演模拟及属性分析方法研究[D]. 宋思远.长安大学 2017
[10]基于BP神经网络与井约束的纵横波波阻抗反演方法研究[D]. 赵传伟.山东科技大学 2017
本文编号：3717053
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3717053.html
