基于测井解释模型与平均影响值法联合优化的煤层气含量预测方法

作     者：白泽 谭茂金 白洋 吴海波 

作者机构：安徽理工大学矿山地质灾害防治安徽省高校重点实验室 中国地质大学(北京)地球物理与信息技术学院 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2024年第05期

页      面：1863-1873页

核心收录：

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：安徽高校自然科学研究项目(2022AH050831) 安徽省自然科学基金(2208085QD114) 国家自然科学基金项目(42274186) 矿山地质灾害防治安徽省高校重点实验室开放基金(2022-MGDP-04)联合资助 

主　　题：测井解释模型 平均影响值法 支持向量机 煤层气含量预测 

摘      要：为了进一步提高地球物理测井技术对煤层气含量的预测效果，本研究提出将煤储层含气性测井解释模型(LIM, Log Interpretation Model)参数引入到煤层气含量预测模型的构建过程中，并基于平均影响值法(MIV, Mean Impact Value)优选了支持向量机(SVM)建模输入参数.最后通过网格搜索法构建了一种用于预测煤层气含量的LIM-MIV-SVM模型，并以淮南煤田实际测井资料为例，对比分析了构建的LIM-MIV-SVM模型与测井曲线多元回归模型、常规测井SVM模型和LIM-SVM模型的煤层气含量预测效果.结果表明：LIM-MIV-SVM模型对煤层气含量的预测精度最高，其次是LIM-SVM模型和常规测井SVM模型，测井曲线多元回归模型的预测精度最低，说明机器学习方法相比于传统的测井解释方法存在优势，合理地引入煤储层测井解释参数对于提高煤层气含量的预测精度是可行的.构建的LIM-MIV-SVM模型是多源测井数据融合和输入数据集筛选共同优化的结果，能够为煤层气资源勘探及其储层评价提供技术支撑，且本研究的建模策略及思想也可广泛应用于其他机器学习建模研究领域.