[发明专利]基于深度信念网络的煤层气测井含气量预测方法

说明书

本发明涉及一种煤气层测井含气量的预测领域，尤其是一种基于深度信念网络的煤层气测井含气量的预测方法。一种基于深度信念网络的煤层气测井含气量预测方法，主要通过计算机完成，实现该方法所需设备包括测井仪器、数据通讯接口及计算机；该方法包括：利用煤层气测井数据预测煤层气储层含气量，确定主要的测井数据；测井数据的降噪；归一化处理；测井数据与含气量之间关联度的计算；测井数据作为样本，输入限制玻尔兹曼机进行无监督训练；利用有监督学习对权值矩阵进行微调；将其它未取心井的所采集的煤层测井数据，经过降噪和归一化处理后，传输到预测模型算法的计算机中，进而得到未取心井预测的煤层气储层含气量。

技术领域

本发明涉及一种煤气层测井含气量的预测领域，尤其是一种基于深度信念网络的煤层气测井含气量的预测方法。

背景技术

我国能源资源的基本特点可以概括为六个字：富煤、贫油、少气。基于这一特点，长期以来，煤炭资源在我国的能源结构中占据重要地位。地下的煤炭资源并非单一的固相介质，其表面往往吸附着以分子形式存在的气体，即，煤层气。煤层气是一种清洁高效的能源，加大煤层气的开发与利用，既能够降低能源的消耗，又能够减少环境的污染。

在煤层气的勘探过程中，预测煤层含气量对于后期煤层气的开发与利用意义重大。评价煤层气含量的方法很多，其中，精确度最高的当属取芯后进行实验室测定。然而，实验室测定含气量价格贵，时间长，对设备要求高，因此，不可能大规模开展。

而在众多其它方法中，煤层气测井是极具前途的一种手段。然而，不同于常规天然气储层，大部分煤层气都以吸附的状态赋存于煤层中。吸附气不是一种以独立空间形式存在的气体，其基本不会直接对测井曲线产生影响，而主要通过煤层的各种组分(固定碳、灰分、水分及挥发分)进行间接的影响。因而，测井曲线与煤层气含气量之间的关系是一种复杂的非线性关系。大量研究表明，在处理非线性问题上，以神经网络为代表的机器学习算法是最优的方法。

但是，尽管前人利用各类人工智能算法在煤层气测井含气量预测方面开展了大量的工作，并取得了一定的成果，但是仍然存在以下几个方面的问题，有待改进:

(1)多元回归分析法通常采用多元线性回归方程对含气量进行计算，本质上是利用线性的方法解决非线性问题，所以这一方法本身存在很大的缺陷。

(2)Langmuir方程法所计算的结果只是煤层含气饱和度为100％时的含气量，当含气饱和度较低时，该方法误差较大。

(3)在使用BP神经网络计算含气量时，往往未对测井数据所蕴含的信息进行挖掘，从而造成神经网络性能下降。每一条测井曲线均由有效信号和噪声构成。有效信号是测井曲线中的有用部分，其反映地层的各种信息，而噪声则是在数据测量过程中，随机产生的各种干扰。然而，现今一般的做法，都在未提高测井曲线信噪比的情况下，直接训练神经网络。这就造成，当信噪比比较低的情况下，噪声过多输入，从而导致训练出的神经网络性能下降。

(4)传统的BP神经网络往往随机对连接权值进行初始化，再以误差梯度下降作为权值调整原则，这样一来往往存在收敛慢以及局部极小值问题，从而难以得到全局最优解。

发明内容

本发明的目的在于针对多元回归分析法、Langmuir方程法以及BP神经网络法存在的问题，提供一种预测简单、实用可靠的基于深度信念网络的煤层气测井含气量预测方法。

本发明公开了一种基于深度信念网络的煤层气测井含气量预测方法，主要通过计算机完成，其特征在于实现该方法所需设备包括测井仪器、数据通讯接口及计算机；

所述测井仪器,用于采集煤层气测井数据，即深侧向电阻率、浅侧向电阻率、微球聚焦、密度、声波时差、中子、自然电位、自然伽马、井径九种测井数据；

所述数据通讯接口,用于将现场测井仪器采集的上述九种测井数据,传输到计算机中；