基于测井参数的煤系烃源岩总有机碳含量预测模型

作     者：王攀 彭苏萍 杜文凤 冯飞胜 

作者机构：中国矿业大学(北京)煤炭资源与安全开采国家重点实验室北京100083 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2017年第42卷第5期

页      面：1266-1276页

核心收录：

学科分类：081803[工学-地质工程] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0820[工学-石油与天然气工程] 0817[工学-化学工程与技术] 0818[工学-地质资源与地质工程] 0807[工学-动力工程及工程热物理] 0815[工学-水利工程] 0827[工学-核科学与技术] 0813[工学-建筑学] 0802[工学-机械工程] 0703[理学-化学] 0814[工学-土木工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家重大科学仪器设备开发专项资助项目(2012YQ030126) 国家自然基金煤炭联合基金资助项目(U1261203) 中国地质调查局基金资助项目(12120115102101) 

主　　题：煤系烃源岩 总有机碳含量 测井 遗传算法 BP神经网络 

摘      要：复杂沉积环境下,烃源岩物性差异较大。经相关性分析揭示了煤系烃源岩TOC含量与各测井参数间存在相关性差异较大、各测井参数间含有互相关关系的特点。采用平均影响值(MIV)方法对测井参数进行筛选,筛选后的测井参数进入最终的BP神经网络建模,从而有效地规避了测井信息间的非相互独立性导致的模型预测误差增大及建模时间增加。依据研究区实验分析的TOC含量数据,分别建立适用于煤系烃源岩的Δlog R,BP神经网络和遗传算法(GA)优化的BP神经网络TOC含量预测模型。对模型试算分析,结果表明:GA改进后的BP神经网络模型预测效果最好,稳定性强,受烃源岩非均质性影响程度小,可以精细地反映煤系烃源岩TOC含量的细微变化。