基于灰色關(guān)聯(lián)分析和BP神經(jīng)網(wǎng)絡(luò)的煤層含氣量預(yù)測研究

劉之的,趙靖舟,楊秀春,陳彩紅,張繼坤,王 劍

(1.西安石油大學(xué) 地球科學(xué)與工程學(xué)院,陜西 西安710065;2.中石油 煤層氣有限責(zé)任公司,北京100028)

鄂爾多斯盆地東部是我國煤層氣勘探開發(fā)重點(diǎn)地區(qū)之一,該區(qū)經(jīng)過多年的勘探開發(fā),積累了豐富的地質(zhì)、測井及排采動(dòng)態(tài)資料,煤層氣儲(chǔ)層測井評(píng)價(jià)工作也取得了一定的成效,但現(xiàn)有的煤層含氣量測井定量評(píng)價(jià)技術(shù)還不能滿足煤層氣勘探開發(fā)的跨越式發(fā)展1-4]。從測井角度預(yù)測煤層含氣量,現(xiàn)場上多采用密度測井法[5-9]。然而,隨著煤層含氣量的增大,補(bǔ)償中子和補(bǔ)償聲波等測井幅值也具有一定的響應(yīng)或變化。因此,基于研究區(qū)的煤層含氣量化驗(yàn)分析資料和測井資料,在深度挖掘和系統(tǒng)對比能夠有效反映煤層含氣量的測井參數(shù)之后,篩選煤層含氣量建模數(shù)據(jù)庫,構(gòu)建適用于研究區(qū)的煤層含氣量多測井參數(shù)非線性預(yù)測模型,以期提升煤層含氣量的測井預(yù)測精度。

1 煤層含氣量敏感性測井參數(shù)優(yōu)選

優(yōu)選對煤層含氣量敏感性較強(qiáng)的測井參數(shù)直接關(guān)系到煤層含氣量的測井預(yù)測精度[10-12]。研究區(qū)內(nèi)尚未使用核磁等測井新技術(shù),測井資料僅局限于常規(guī)測井曲線,鑒于此,本文只針對常規(guī)測井資料來探討煤層含氣量的敏感性測井參數(shù)。為了探究煤層含氣量的敏感性測井參數(shù),本研究基于煤巖心含氣量室內(nèi)化驗(yàn)分析值與測井測量值,采用最小二乘法對兩者進(jìn)行了擬合回歸,并根據(jù)其相關(guān)系數(shù)大小來揭示煤層含氣量與測井參數(shù)間的內(nèi)在敏感性。

針對煤儲(chǔ)層擴(kuò)徑、泥漿侵入等環(huán)境影響較為嚴(yán)重等實(shí)際情況,在煤層含氣量的敏感性測井參數(shù)優(yōu)選分析之前,對煤儲(chǔ)層測井曲線的環(huán)境影響進(jìn)行反演校正,力求還原較為真實(shí)可靠的煤儲(chǔ)層地球物理測井信息,以保障煤層含氣量的敏感性測井參數(shù)優(yōu)選的正確無誤。已有研究[5-6]表明,密度測井能夠較為有效地反映煤層的含氣量,因此,利用密度測井曲線進(jìn)行煤巖心室內(nèi)含氣量分析化驗(yàn)數(shù)據(jù)的歸位。提取歸位后的補(bǔ)償密度(DEN)、補(bǔ)償中子(CNL)、聲波時(shí)差(AC)、自然伽馬(GR)及電阻率(RT)測井?dāng)?shù)據(jù),回歸擬合出測井參數(shù)與煤層含氣量Vg回歸方程(表1)。由表1中的回歸系數(shù)可知,補(bǔ)償中子、補(bǔ)償密度、聲波時(shí)差和自然伽馬測井反映煤層的含氣量敏感性依次降低,而電阻率測井的擬合效果則相對較差。因此,在構(gòu)建煤層含氣量的多測井參數(shù)計(jì)算模型時(shí),可優(yōu)先選擇補(bǔ)償密度和補(bǔ)償中子,其次選擇聲波時(shí)差和自然伽馬等測井參數(shù),電阻率測井可以不予考慮。

表1 煤層含氣量與單測井參數(shù)敏感性分析對比表Tab.1 Comparison of sensitivity of single logging parameters to coaldbed gas content

2 灰色關(guān)聯(lián)法篩選含氣量測井參數(shù)建模數(shù)據(jù)庫

2.1 煤巖心含氣量-測井相統(tǒng)計(jì)模式的建立[13-14]

充分利用關(guān)鍵井的煤巖心資料,采用煤巖心含氣量室內(nèi)分析化驗(yàn)數(shù)據(jù)與測井響應(yīng)特征值對比法,開展煤巖心含氣量分析化驗(yàn)值的深度歸位;然后,根據(jù)煤巖心歸位后的深度提取所對應(yīng)的測井響應(yīng)值,從而建立煤巖心含氣量-測井相的統(tǒng)計(jì)模式。

基于上述測井敏感性分析可知,DEN、CNL、AC、GR4個(gè)測井參數(shù)能有效地反映煤層含氣量,于是本研究采用這4個(gè)測井參數(shù)構(gòu)建了煤巖心含氣量-測井相統(tǒng)計(jì)模式(見表2)。

表2 研究區(qū)煤巖心含氣量-測井相統(tǒng)計(jì)模式Tab.2 Statistical modes of gas content in coal cores and logging facies in the studied area

2.2 灰色關(guān)聯(lián)法分析篩選煤層含氣量建模數(shù)據(jù)庫

由上述煤層含氣量敏感性測井參數(shù)優(yōu)選可知,密度、中子、聲波和自然伽馬都能夠不同程度地反映煤層的含氣量,于是可容易構(gòu)建表2所示的煤層含氣量測井建模數(shù)據(jù)庫。然而,煤層埋藏淺,微孔隙和裂縫發(fā)育,極易受泥漿侵入的影響。此外,煤層的機(jī)械強(qiáng)度低,鉆進(jìn)過程中容易坍塌,擴(kuò)徑影響尤為突出,這些環(huán)境因素的影響導(dǎo)致煤層氣儲(chǔ)層測井響應(yīng)產(chǎn)生不同程度的畸變,盡管在利用測井資料構(gòu)建煤層含氣量預(yù)測模型前做了環(huán)境影響校正,但校正結(jié)果是否完全真實(shí)可靠地反映了煤儲(chǔ)層的地球物理測井信息往往難以保證。利用環(huán)境影響校正不徹底的測井?dāng)?shù)據(jù)構(gòu)建煤儲(chǔ)層含氣量建模數(shù)據(jù)庫,勢必給含氣量預(yù)測引入誤差。鑒于此,本文利用灰色關(guān)聯(lián)法分析優(yōu)選煤層含氣量測井參數(shù)建模數(shù)據(jù)庫,依據(jù)其灰色關(guān)聯(lián)系數(shù)的大小來厘定煤層含氣量測井參數(shù)建模數(shù)據(jù)庫的有效性。

表3是煤層含氣量測井參數(shù)數(shù)據(jù)庫灰色關(guān)聯(lián)分析結(jié)果數(shù)據(jù)表,由此表中的灰色關(guān)聯(lián)度可知,3號(hào)煤巖心(韓試3-5-3)和5號(hào)煤巖心(韓試4-5-1)的灰色關(guān)聯(lián)度較低,表明該2個(gè)煤巖心的測井?dāng)?shù)據(jù)不能有效地反映該層點(diǎn)的煤層含氣量,視為無效數(shù)據(jù)點(diǎn),給予剔除。

表3 煤層含氣量測井參數(shù)數(shù)據(jù)庫灰色關(guān)聯(lián)分析結(jié)果Tab.3 Grey correlation analysis result of CBM content logging parameter database

3 煤層含氣量預(yù)測模型構(gòu)建

3.1 煤層含氣量神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的確定

已有研究[15-16]表明,神經(jīng)網(wǎng)絡(luò)法在數(shù)據(jù)擬合和參數(shù)預(yù)測等方面具有明顯的優(yōu)勢,為此本研究利用BP神經(jīng)網(wǎng)絡(luò)來構(gòu)建煤層含氣量測井預(yù)測模型。

基于上述優(yōu)選的煤層含氣量敏感性參數(shù)以及嚴(yán)格篩選含氣量建模測井?dāng)?shù)據(jù)庫,結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立了煤層段的含氣量測井預(yù)測模型。

由上述煤層含氣量敏感性測井參數(shù)分析研究可知,研究區(qū)內(nèi)密度和補(bǔ)償中子測井能夠較好地反映煤層的含氣量,而聲波、自然伽馬測井亦具有一定的敏感性,鑒于此,本研究以DEN、CNL、AC、GR作為輸入變量,以煤層含氣量作為期望輸出值,反復(fù)試算檢驗(yàn)之后,最終選擇12個(gè)隱含層結(jié)點(diǎn)來構(gòu)成煤層含氣量的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的拓?fù)浣Y(jié)構(gòu)(圖1),即三層網(wǎng)絡(luò)(4-12-1)。

圖1 神經(jīng)網(wǎng)絡(luò)法訓(xùn)練測井參數(shù)與煤層含氣量之間的關(guān)系Fig.1 Relationship between CBM content and logging parameters trained by neural network

3.2 煤層含氣量神經(jīng)網(wǎng)絡(luò)模型及預(yù)測

利用研究區(qū)內(nèi)煤巖心含氣量化驗(yàn)分析數(shù)據(jù)和對應(yīng)的測井?dāng)?shù)據(jù)構(gòu)成學(xué)習(xí)樣本集,見表2(剔除無效數(shù)據(jù)點(diǎn))。將表2中的煤巖心含氣量-測井相統(tǒng)計(jì)模式數(shù)據(jù)標(biāo)準(zhǔn)化后,利用神經(jīng)網(wǎng)格拓?fù)浣Y(jié)構(gòu)模型開展學(xué)習(xí)建模。當(dāng)煤層含氣量的迭代精度滿足建模要求時(shí),停止建模并輸出三層網(wǎng)絡(luò)各神經(jīng)元間的連接權(quán)值(表4),于是便建立了預(yù)測煤層含氣量的神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。

將煤巖地層的DEN、CNL、AC、GR測井響應(yīng)值加載到網(wǎng)絡(luò)輸入層,輸入層接受信息逐層正向前傳,并據(jù)誤差反傳信號(hào)修正權(quán)值,重新計(jì)算。將煤層含氣量分析化驗(yàn)值與神經(jīng)網(wǎng)絡(luò)預(yù)測值間的誤差作為反饋信號(hào),反向調(diào)節(jié)網(wǎng)絡(luò)的隱含矩陣元素,使誤差信號(hào)達(dá)到最小,即可達(dá)到預(yù)測該層(點(diǎn))的煤層含氣量。

利用構(gòu)建的煤層含氣量測井預(yù)測模型,預(yù)測了研究區(qū)韓試12等井的煤層含氣量。圖2是利用本文所述方法預(yù)測的韓試12井煤層含氣量與煤巖心含氣量化驗(yàn)分析對比圖,表5是韓試12井預(yù)測的煤層含氣量與室內(nèi)化驗(yàn)分析的實(shí)測煤層含氣量對比表。

表4 煤層含氣量的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的連接權(quán)值Tab.4 Connection weights of BP neural network model for prediction of CBM content

圖2 韓試12井煤層含氣量神經(jīng)網(wǎng)絡(luò)預(yù)測成果圖Fig.2 CBM content prediction results of Hanshi 12 well using neural network

對比和深入剖析圖2、表5中的煤層含氣量實(shí)測值和測井預(yù)測值可知,本文所述方法預(yù)測的煤層含氣量精度較高,預(yù)測值與實(shí)測值間的相對誤差不超過6%,非常接近煤巖心含氣量實(shí)測值。究其原因,在構(gòu)建煤層含氣預(yù)測模型時(shí),優(yōu)選了敏感性測井參數(shù),并對其建模數(shù)據(jù)庫進(jìn)行了篩選,從而有效提高了神經(jīng)網(wǎng)絡(luò)的建模精度;此外,神經(jīng)網(wǎng)絡(luò)算法具有很強(qiáng)的非線性映射能力,能夠精準(zhǔn)地尋求煤層含氣量與測井參數(shù)之間的內(nèi)在非線性函數(shù)關(guān)系。

表5 韓試12井煤層含氣量神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Tab.5 Error analysis of CBM content prediction results of Hanshi 12 well using neural network

4 結(jié)論與建議

(1)煤層含氣量的測井參數(shù)敏感性分析表明,密度、補(bǔ)償中子測井能夠較好地反映煤層的含氣量,建議在構(gòu)建煤層含氣量的多測井參數(shù)預(yù)測模型時(shí),應(yīng)優(yōu)先選擇密度和中子測井。

(2)實(shí)測煤層含氣量與神經(jīng)網(wǎng)絡(luò)預(yù)測的煤層含氣量之間的相對誤差不超過6%,這充分表明該整套方法的預(yù)測精度能夠滿足煤層含氣量計(jì)算精度的要求。

(3)針對煤儲(chǔ)層測井曲線易受諸多環(huán)境因素的影響,由于其環(huán)境影響校正不徹底或校正精度不高等原因,致使所構(gòu)建的建模數(shù)據(jù)庫中某些層點(diǎn)的測井?dāng)?shù)據(jù)不能有效地反映煤層的含氣量,建議在含氣量預(yù)測前做好測井環(huán)境影響校正的同時(shí),對煤層含氣量建模數(shù)據(jù)進(jìn)行篩選,以保障煤層含氣量的預(yù)測精度能夠滿足煤儲(chǔ)層測井評(píng)價(jià)的要求。

[1]趙靖舟,劉之的,時(shí)保宏,等.鄂東氣田煤層氣儲(chǔ)層綜合評(píng)價(jià)[R].西安:西安石油大學(xué),2012.ZHAO Jing-zhou,LIU Zhi-di,SHI Bao-hong,et al.Comprehensive Evaluation for Coalbed Methane Reservoirin Eastern Block of Ordos Basin [R].Xi＇an:Xi＇an Shiyou U-niversity,2012.

[2]中聯(lián)煤層氣有限責(zé)任公司.中國煤層氣勘探開發(fā)技術(shù)研究[M].北京:石油工業(yè)出版社,2007.China United Coalbed Methane Co,LTD.Exploration and Development Technology Research of Coalbed Methane in China[M].Beijing:Petroleum Industry Press,2007.

[3]劉效賢.李承華.測井評(píng)價(jià)煤層氣儲(chǔ)層的方法探討[J].中國煤炭地質(zhì),2008,20(13):1-4.LIU Xiao-xian,LI Cheng-hua.Probe into CBM reservoir evaluation through well logging[J].Coal Geology of China,2008,20(13):1-4.

[4]王志文.煤層含氣量的測井評(píng)價(jià)技術(shù)[D].長春:吉林大學(xué),2009.Wang Z W.Coalbed Methane Gas Content of Logging E-valuation Technology[D].Changchun:Jilin University,2009.

[5]高緒晨.密度和中子測井對煤層甲烷含量的響應(yīng)及解釋[J].煤田地質(zhì)與勘探,1999,27(3):25-28.GAO Xu-chen.The responses of density and neutron loggings on the coalbed methane content and the logging interpretation[J].Coal Geology ＆ Exploration,1999,27(3):25-28.

[6]張意,范曉敏,徐軍.利用測井資料評(píng)價(jià)煤層氣含量[J].吉林大學(xué)學(xué)報(bào):地球科學(xué)版,2011,40(增刊):92-93.ZHANG Yi,FAN Xiao-min,XU Jun.Evaluation of coalbed methane content based on well logging data[J].Journal of Jilin University:Earth Science Edition,2011,40(s):92-93.

[7]黃智輝,潘和平.煤層含氣量測井解釋方法探討[J].煤田地質(zhì)與勘探,1998,26(2):58-60.HUANG Zhi-hui,PAN He-ping.Discussion on the log interpretation method of coalbed gas content[J].Coal Geology ＆Exploration,1998,26(2):58-60.

[8]傅學(xué)海,陸國楨,秦杰,等.用測井響應(yīng)值進(jìn)行煤層氣含量擬合和煤體結(jié)構(gòu)劃分[J].測井技術(shù),1999,23(2):112-115.FU Xue-hai,LU Guo-zhen,QIN Jie,et al.Determination of coalbed gas content and classification of coalbody structure with log response[J].Well Logging Technology,1999,23(2):112-115.

[9]楊東根,范宜仁,鄧少貴,等.利用測井資料評(píng)價(jià)煤層煤質(zhì)及含氣量的方法研究——以和順地區(qū)為例[J].勘探地球物理進(jìn)展,2010,33(4):262-265.YANG Dong-gen,FAN Yi-ren,DENG Shao-gui,et al.Logging evaluation for coal quality and gas content:A case study in Heshun region[J].Progress in Exploration Geophysics,2010,33(3):262-265.

[10]Whetton J A,Elkington P A S,Weatherford.Processing and interpretation of density and neutron logs for the evaluation of coal bed methane reservoirs[C].SPE/EAGE European Unconventional Resources Conference and Exhibition held in Vienna,Austria,2012,March 20-22.

[11]Mullen M J.Log evaluation in well drilled for coalbed methane[C].Rocky Mountain Association of Geologists,1998.

[12]Bhanja A K,Srivastava O P.A new approach to estimate CBM gas content from well logs[C].2008 SPE Asia Pacific Oil＆ Gas Conference and Exhibition held in Perth,Australia,2008,October 20-22.

[13]霍凱中,趙永軍,孫立冬.灰色聚類分析在煤層氣選區(qū)評(píng)價(jià)中的應(yīng)用[J].斷塊油氣田,2007,14(2):14-17.HUO Kai-zhong,ZHAO Yong-jun,SUN Li-dong.Application of grey cluster analysis in selective area and evaluation of coalbed methane[J].Fault-block Oil＆ Gas Field,2007,14(2):14-17.

[14]田敏,趙永軍,顓孫鵬程.灰色系統(tǒng)理論在煤層氣含量預(yù)測中的應(yīng)用[J].煤田地質(zhì)與勘探,2008,36(2):24-27.TIAN Min,ZHAO Yong-jun,ZHUANSUN Peng-cheng.Application of grey system theory in prediction of coalbed methane content[J].Coal Geology ＆ Exploration,2008,36(2):24-27.

[15]侯俊勝,尉中良.自組織神經(jīng)網(wǎng)絡(luò)在測井資料解釋中的應(yīng)用[J].測井技術(shù),1996,20(3):197-200.HOU Jun-sheng,WEI Zhong-liang.Application of self-organizing neural network to logging data interpretation[J].Well Logging Technology,1996,20(3):197-200.

[16]孟召平,田永東,雷旸.煤層含氣量預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[J].中國礦業(yè)大學(xué)學(xué)報(bào),2008,37(4):456-461.MENG Zhao-ping,TIAN Yong-dong,LEI Yang.Prediction models of coal bed gas content based on BP neural networks and its applications[J].Journal of China University of Mining ＆ Technology,2008,37(4):456-461.