应用BP神经网络预测煤层含气量分布

吴 剑 常毓文 刘保磊 张遂安 祁大晟

(1.中国石油勘探开发研究院，北京 100083;2.中国石油大学，北京 102249)

煤层含气量是指单位煤中含有气体(主要成分为甲烷)的体积(m3/t)。含气量是煤储层评价最为重要的一个参数，同时也是影响煤矿开采的安全因素之一。对于煤层含气量的测定的数据很少，需要通过含气量预测煤层含气量富积区，并进行有指导性的开采作业。

影响煤层含气量的因素很多，由于煤层气为自生自储型天然气，全裕科［1］将影响含气量分布的因素归结为2个方面:(1)非决定性因素的煤层生气能力;(2)储气能力，作为煤层含气量的主控因素，主要包括:煤阶、矿物质含量、煤层中水分含量、煤岩的显微组分(镜质组、丝质组和壳质组)、孔隙度、埋深、储层压力和温度等。

煤层含气量预测的方法主要有解吸法［2］，含气量梯度法，多元逐步回归法和BP神经网络法。以前主要采用解吸法和含气量梯度法进行定量预测，李贵红等人［3］研究采用多元逐步回归法进行定量预测，连承波等人［4］率先使用BP神经网络进行定量预测。本文主要考虑埋深［5］、镜质组、灰分和挥发分4个影响因素，以沁水盆地QP区为例，运用BP神经网络算法定量预测煤层含气量分布。

1 BP神经网络原理

误差反向传播学习算法，具有无反馈、层内无互连多层结构的神经网络，称为BP神经网络。BP神经网络是典型的3层或3层以上，无反馈、层内无互连的前向网络结构。通过正向计算输出和反向传播误差的不断修正，直到误差在许可范围内。其算法步骤如下:

(1)初始化连接权值W，V及阀值θ，γ。

(2)选取一个学习模式把 (Xk，Yk)提供给网络，计算输入层的输出。

(3)计算中间隐含层和输出层各个神经元的净输入和输出。

(a)隐含层:

(b)输出层:

(4)根据给定期望计算各神经元输出和隐含误差。

(a)输出层:

(b)隐含层:

(5)修改权值和阀值。

(a)隐含层至输出层:

(b)输入层至隐含层:

α，β为学习速率，0＜ α ＜1，0＜ β ＜1。

(6)通过随机选取下一个学习模式，返回步骤(3)，直到m个学习训练结束。判断网络全局误差E是否满足要求。满足则结束学习过程，不满足则继续。

(7)更新网络学习训练次数。

2 BP神经网络预测煤层含气量

考虑埋深、镜质组、灰分和挥发分4个主要影响因素对含气量的影响，参考前人在沁水盆地所做的大量研究成果，采用BP神经网络定量预测沁水盆地QP区块含气量分布情况。

建立神经网络模型:(1)对所有数据进行归一化处理;(2)将使用到的35口井的数据中的27口井作为训练样本，8口井数据作为测试样本，期望输出值为实际测量含气量等级。用训练好的数据预测所有井的含气量等级;(3)参数设置［6］:培训学习效率α=β=0.01，动能mc=0.9，最大训练次数n=3 000，终止条件goal=5×10-8。由于预测含气量分布情况只需知道其值在一定范围内，无需关注单个数据值的偏差，而沁水盆地QP区块的35口井煤层含气量介于10～30 m3/t之间，采用增大整体误差容忍度方法，将其数据等分成:低(10～14)、偏低(14～18)、中(18～22)、偏高(22～26)和高(26～30)共5个等级，依次编号为1、2、3、4和5。判断标准:相同为正确，相邻为偏差，相差1为错误，预测结果见表1。

表1 BP神经网络模型煤层含气量等级预测与分析表

3 含气量分布

模型中训练样本百分比为90%，测试样本百分比为80%，所有数据中只出现4个偏差，都在误差允许范围内，证实了BP神经网络模型的可靠性。采用BP网络模型预测QP区块系列井的数据，建立等势线图形，应用地质统计学［7-8］和克里金插值法［9-10］建立整个沁水盆地QP区块的煤层含气量分布图见图1。

由图中可以看到沁水盆地QP区块主要有3个高煤层含气量分布的区域和4个低煤层含气量分布区域。煤层含气量呈西北至东南走向较高，QP地区的断层主要为西南到东北走向断层，于是其高含气量地区被断层分割，其中4个煤层含气量较低的地方皆为断层发育地带，东北方向煤层含气量比较低，西南方向煤层含气量相对较低。一般含气量高的地区构造运动相对较少，是主要煤层气富集区，含气量在22%以上。

图1 预测含气量分布图

4 结论

运用BP神经网络算法来预测含气量分布情况，有3个问题值得注意:(1)人工神经网络结构隐含层单位数大于输出层单位数，效果较好;(2)BP神经网络算法为非线性结构，允许样本有较大误差甚至个别错误，扩大整体误差的容忍度，数据分组要比单个数据预测效果好;(3)由于地质条件的复杂性，不同区块影响煤层含气量的因素不同，BP神经网络预测模型也不尽相同。

通过拟合可知煤层含气量富集特征:煤层埋深越深含气量越高，镜质组含量越高含气量越高;灰分和挥发分越高含气量越低。

［1］全裕科.影响煤层含气量若干因素初探［J］.天然气工业，1995，15(5):1-5.

［2］杨玉平，赵勇军，霍凯中.沁水盆地煤层气含气量预测方法探讨［J］.内蒙古石油化工，2008(2):44-45.

［3］李贵红，张泓，崔永君，等.基于多元逐步回归分析的煤储层含气量预测模型［J］.煤田地质与勘探，2005，33(3):22-25.

［4］连承波，赵永军，李汉林，等.煤层含气量的主控因素及定量预测［J］.煤炭学报，2005，30(6):726-729.

［5］赵丽娟，秦勇，林玉成.煤层含气量与埋深关系异常及其地质控制因素［J］.煤炭学报，2010，35(7):1165-1168.

［6］凌和良，桂发亮，楼明珠.BP神经网络算法在需水预测与评价中的应用［J］.数学的实践与认识，2007，37(22):42-46.

［7］冯国庆，陈浩，张烈辉，等.利用多点地质统计学方法模拟岩相分布［J］.西安石油大学学报:自然科学版，2005，20(5):9-11.

［8］李钟山译.地质统计学中的区域化变量理论［J］.世界地质，1997，16(2):85-93.

［9］吴胜和，李宇鹏.储层地质建模的现状与展望［J］.海相油气地质，2007，12(3):53-60.

［10］郭媛媛，刘岩，汪洋.油藏地质建模概述［J］.西部钻探工程，2010(4):85-86.