姜偉

摘 要：為了探討深部煤層含氣量的有效預(yù)測(cè)方法，將支持向量機(jī)學(xué)習(xí)方法應(yīng)用到了預(yù)測(cè)模型的建立中。以晉城礦區(qū)3號(hào)煤層為研究對(duì)象，以淺部煤層數(shù)據(jù)為基礎(chǔ)，建立了含氣量預(yù)測(cè)模型，并用煤層深部實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了檢驗(yàn)，精度可滿足生產(chǎn)需要，這為煤儲(chǔ)層深部含氣量預(yù)測(cè)提供了新思路。

關(guān)鍵詞：煤層深部含氣量；壓裂技術(shù)；建模樣本；Matlab

中圖分類號(hào)：P618.13 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.15913/j.cnki.kjycx.2016.15.112

煤層含氣量是煤儲(chǔ)層評(píng)價(jià)的基本參數(shù)之一，是開(kāi)發(fā)潛力評(píng)價(jià)、有利區(qū)預(yù)測(cè)和選擇開(kāi)發(fā)方案重要依據(jù)。結(jié)合晉城礦區(qū)煤層氣井的生產(chǎn)實(shí)踐，當(dāng)煤層埋深超過(guò)800 m時(shí)，受地應(yīng)力的影響，壓裂縫延伸的長(zhǎng)度和高度都受到了限制，壓裂效果大打折扣。隨著連續(xù)油管分段壓裂、滑套工具串分段壓裂等新型壓裂技術(shù)的成熟，壓裂改造能力有了很大的提高。在此情況下，人們開(kāi)始關(guān)注后備區(qū)埋深大于800 m的區(qū)域，但由于前期深部測(cè)試樣品較少，且對(duì)深部煤層含氣量的分布規(guī)律認(rèn)識(shí)不足，所以，對(duì)煤儲(chǔ)層深部含氣量的預(yù)測(cè)是非常重要的。

1 支持向量機(jī)學(xué)習(xí)法

支持向量機(jī)學(xué)習(xí)法是由Vapnik率先提出的，是基于統(tǒng)計(jì)學(xué)理論的一整機(jī)器學(xué)習(xí)方法。其基本思想是高維特征空間內(nèi)的線性回歸，是從線性可分條件下的最優(yōu)分類超平面發(fā)展而來(lái)的。給定建模樣本數(shù)據(jù)點(diǎn)集：

. （1）

式（1）中：xi為輸入變量；yi為目標(biāo)變量。

通過(guò)機(jī)器學(xué)習(xí)，可找到一個(gè)非線性函數(shù)f（x）。此時(shí)，不僅應(yīng)滿足yi=f（xi），且對(duì)于檢驗(yàn)樣本集{xn+1，xn+2，…，xn+m}而言，其預(yù)測(cè)值誤差應(yīng)在可接受的范圍內(nèi)。在實(shí)際應(yīng)用中，沒(méi)必要求得f（x）的解析表達(dá)式，只需要借助Matlab軟件的SVM工具箱即可。f（x）可通過(guò)核函數(shù)的選擇和相關(guān)參數(shù)的選取來(lái)確定。結(jié)合經(jīng)驗(yàn)選取合適的核函數(shù)后，應(yīng)調(diào)節(jié)相關(guān)參數(shù)，直至預(yù)測(cè)精度令人滿意為止。

2 建立含氣量預(yù)測(cè)模型

晉城礦區(qū)是19個(gè)首批煤炭國(guó)家規(guī)劃礦區(qū)之一，是我國(guó)重要的無(wú)煙煤生產(chǎn)基地，位于沁水盆地的東翼南端，隸屬于沁水煤層氣田。礦區(qū)主要煤系地層為二疊系下統(tǒng)山西組（P1s）和石炭系上統(tǒng)太原組（C3t），平均厚度為136.02 m。含煤15層，煤層總厚度為14.67 m，含煤系數(shù)為10.8%.3號(hào)煤層位于山西組中下部，上距K8砂巖約30 m，下距9號(hào)煤層48 m。煤厚4.45～8.75 m，平均厚度為6.31 m，含氣量為15.3～27.2 m3/t，為目前主要開(kāi)采層位。為了對(duì)3號(hào)煤層深部含氣量進(jìn)行預(yù)測(cè)，根據(jù)前期煤田勘探孔資料，選取了7個(gè)參數(shù)（煤層厚度、儲(chǔ)層溫度、鏡質(zhì)組最大反射率、煤層灰分含量、儲(chǔ)層流體壓力、煤層埋藏深度、直接頂板厚度）作為影響煤儲(chǔ)層氣含量的因素進(jìn)行數(shù)學(xué)建模。晉城礦區(qū)3號(hào)煤層的參數(shù)如表1所示。

以9個(gè)埋深小于800 m的數(shù)據(jù)樣本建立了預(yù)測(cè)模型，并以上述7個(gè)影響因素為預(yù)測(cè)模型的輸入變量，含氣量為輸出變量。在Matlab軟件的SVM工具中進(jìn)行處理，通過(guò)多次模型參數(shù)試驗(yàn)，最終核函數(shù)選用了徑向基核函數(shù)，不靈敏參數(shù)ε的值選擇為0.05，參數(shù)γ的值選擇為0.1，懲罰參數(shù)C的值選擇為10 000.應(yīng)用3個(gè)埋深大于800 m的樣本對(duì)預(yù)測(cè)結(jié)果進(jìn)行檢驗(yàn)，以檢查預(yù)測(cè)精度是否滿足要求。預(yù)測(cè)值的絕對(duì)誤差小于0.05 m3/t，相對(duì)誤差小于3%.神經(jīng)網(wǎng)絡(luò)和多元線性回歸為目前較為常用的含氣量預(yù)測(cè)方法。分別建立了3個(gè)隱藏層，建立了持續(xù)次數(shù)為500次的神經(jīng)網(wǎng)絡(luò)模型和7元線性回歸模型。通過(guò)預(yù)測(cè)誤差的對(duì)比可以看出，支持向量機(jī)學(xué)習(xí)預(yù)測(cè)精度的方法優(yōu)于其他兩種方法。其原因有2點(diǎn)：①數(shù)據(jù)樣本小。訓(xùn)練樣本只有9個(gè)，神經(jīng)網(wǎng)絡(luò)模型未經(jīng)過(guò)充分的訓(xùn)練，易陷入局部極值，②部分次要的輸入變量導(dǎo)致影響因素過(guò)于離散，最終使預(yù)測(cè)結(jié)果的精度降低。具體如表2所示。

3 結(jié)束語(yǔ)

綜上所述，模型預(yù)測(cè)精度法優(yōu)于神經(jīng)網(wǎng)絡(luò)法和線性回歸法，可支持向量機(jī)方法對(duì)小樣本、非線性、多因素?cái)?shù)據(jù)的建模，為深部含量預(yù)測(cè)提供了新思路。因此，在煤層氣勘探程度較低的區(qū)域，可基于煤田鉆孔資料對(duì)煤儲(chǔ)層含氣性進(jìn)行初步評(píng)價(jià)。

參考文獻(xiàn)

[1]連承波，趙永軍，漢林，等.煤層含氣量的主控因素及定量預(yù)測(cè)[J].煤炭學(xué)報(bào)，2005，30（06）.

[2]方瑞明.支持向量機(jī)理論及其應(yīng)用分析[M].北京：中國(guó)電力出版社，2007.

[3]孟召平，田永東，雷旸.煤層含氣量預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2008，37（04）.

〔編輯：張思楠〕