基于多元線性逐步回歸分析的bp神經(jīng)網(wǎng)絡(luò)的煤儲層滲透率預(yù)測

基于多元線性逐步回歸分析的bp神經(jīng)網(wǎng)絡(luò)的煤儲層滲透率預(yù)測

0煤儲層滲透率預(yù)測理論研究煤炭儲存層的滲透是反映煤炭儲存層中液體流動(dòng)滲透困難的物理參數(shù)，決定了煤儲存層的運(yùn)移和產(chǎn)量。這是控制煤氣田開采的主要儲層參數(shù)之一。如何充分利用現(xiàn)有的資料對煤儲層滲透性進(jìn)行預(yù)測是一個(gè)有待解決的重要問題,很多學(xué)者對煤儲層滲透性預(yù)測理論和方法作了大量的工作。這些方法可以在煤層氣勘探早期為優(yōu)選有利開發(fā)區(qū)提供一定的依據(jù),但是不能滿足煤層氣后期開發(fā)的需要。影響煤儲層滲透率的因素十分復(fù)雜。一般而言,煤層割理、裂縫等內(nèi)在因素起著主導(dǎo)作用,但是在復(fù)雜的地質(zhì)構(gòu)造背景下,地應(yīng)力和有效地應(yīng)力、儲層壓力、埋深等外在因素對于煤儲層滲透率的影響卻很顯著。為此,本文沁水煤層氣田為例,在前人研究的基礎(chǔ)上,結(jié)合工區(qū)的試井資料,多元線性逐步回歸分析和非線性的BP神經(jīng)網(wǎng)絡(luò)兩種方法,對煤儲層滲透性進(jìn)行預(yù)測分析,試圖探索一種便捷而相對準(zhǔn)確的煤儲層滲透率預(yù)測方法。1煤儲層滲透率區(qū)域差異的控制因素本次研究工區(qū)為沁水煤層氣田,該區(qū)地層寬闊平緩,斷層不發(fā)育。區(qū)內(nèi)低緩平行的褶皺普遍發(fā)育,褶皺的面積和幅度都很小,呈長軸線形褶皺。導(dǎo)致煤儲層滲透性在區(qū)域上分布差異的主控因素為:地應(yīng)力和有效地應(yīng)力、煤層埋深、儲層壓力等。結(jié)合工區(qū)的試井資料,分析如下。1.1響煤儲層滲透率煤儲層是對地應(yīng)力十分敏感的天然儲集層。地質(zhì)作用在地層中產(chǎn)生原地應(yīng)力,將煤層氣儲層的原地應(yīng)力減去原始儲層壓力,即得到煤層的有效應(yīng)力。煤儲層是一種多孔物質(zhì),在地應(yīng)力作用下,煤體將發(fā)生變形,使得流體流經(jīng)的通道也發(fā)生相應(yīng)的變形,從而影響煤儲層的滲透率。Enever等人(1997)通過對澳大利亞煤層滲透率與有效應(yīng)力的相關(guān)研究發(fā)現(xiàn),煤層滲透率變化值與地應(yīng)力的變化呈指數(shù)關(guān)系。連承波等人(2005)利用彈性力學(xué)原理,結(jié)合煤儲層孔隙結(jié)構(gòu)特征,推導(dǎo)出了地應(yīng)力與煤儲層滲透率之間的指數(shù)關(guān)系。本次對研究工區(qū)的試井地應(yīng)力(煤儲層注水壓降測試中取得的閉合壓力)和計(jì)算出的有效地應(yīng)力(煤儲層的原地應(yīng)力減去原始儲層壓力,即得到煤層的有效應(yīng)力)與煤儲層實(shí)測滲透之間的關(guān)系進(jìn)行了統(tǒng)計(jì)分析,其結(jié)果如圖1和圖2。從圖中可見,煤儲層滲透率隨著地應(yīng)力和有效地應(yīng)力的增加而呈指數(shù)降低,說明工區(qū)地應(yīng)力和有效地應(yīng)力與煤儲層滲透性具有較強(qiáng)的相關(guān)性。煤是一種多孔物質(zhì),在地應(yīng)力作用下,煤體將發(fā)生變形,使得流體流經(jīng)的通道也發(fā)生相應(yīng)的變形從而影響煤儲層的滲透率。1.2上覆地層與煤儲層滲透率的關(guān)系煤儲層的埋藏深度與地應(yīng)力呈線性正相關(guān)關(guān)系,其對滲透率的影響表現(xiàn)為對煤儲層的垂向作用力。地應(yīng)力與埋深對滲透率的影響上本質(zhì)區(qū)別表現(xiàn)在:地應(yīng)力不僅反映了上覆地層對煤儲層的垂向作用力,同時(shí)也與水平構(gòu)造應(yīng)力相關(guān)。儲層壓力都與其埋藏深度密切相關(guān),兩者呈線性正相關(guān)關(guān)系。原始儲層壓力對滲透率的影響,類似于埋藏深度與滲透率的關(guān)系,隨著原始儲層壓力的增大,煤層滲透率有降低的趨勢。研究工區(qū)的埋深和試井儲層壓力與煤儲層實(shí)測滲透率的統(tǒng)計(jì)分析結(jié)果表明,煤儲層的埋深和試井儲層壓力與煤儲層滲透率具有較強(qiáng)的相關(guān)性,而且煤儲層滲透率也具有隨著埋深和儲層壓力增加而呈指數(shù)降低的趨勢(圖3,圖4)。2儲層壓力的影響因素由試井資料分析可知,研究工區(qū)的煤儲層滲透性與地應(yīng)力、有效地應(yīng)力、埋深和儲層壓力具有較強(qiáng)的相關(guān)性。基于這種相關(guān)性,本次采用多元線性逐步回歸分析和非線性的BP神經(jīng)網(wǎng)絡(luò)兩種方法,對煤儲層滲透率進(jìn)行定量預(yù)測分析。2.1逐步回歸分析的軸向巖層滲透率定量預(yù)測2.1.1逐步回歸分析在回歸過程中,按變量xi(i=1,2,…,m)對y作用的大小,把作用達(dá)到一定程度的變量xr(1≤r≤m)逐個(gè)“引入”回歸方程,同時(shí)還要逐個(gè)檢驗(yàn)已引入回歸方程的變量對y的影響,若xα(xα∈xr)對y作用已不顯著,就再從回歸方程中“剔除”它,如此進(jìn)行下去,直到既沒有對y作用顯著的變量可引入回歸方程,又沒有作用不顯著的變量從回歸方程中“剔除”時(shí)為止。逐步回歸分析可以挑選相關(guān)性較強(qiáng)的變量建立回歸返方程。若共引入了L(L≤m)個(gè)變量,那么得到含有L個(gè)變量的回歸方程其中,b0為常數(shù)項(xiàng);bki(i=1,2,…,L)為引進(jìn)的第i個(gè)變量的系數(shù);xki(i=1,2,…,L)為引進(jìn)的第i個(gè)變量。2.1.2煤儲層滲透率模型根據(jù)多元線性逐步回歸的原理和研究工區(qū)的實(shí)際情況,把地應(yīng)力、有效地應(yīng)力、埋深和儲層壓力定為自變量,對應(yīng)的煤儲層滲透率定為因變量。通過工區(qū)的已知的24組樣本,建立的線性模型為其中,1x為煤層埋深;x2為儲層壓力;x3為地應(yīng)力,y為煤儲層滲透率。為了檢驗(yàn)?zāi)Ｐ偷挠行?利用建立的線性模型對10組待測的樣本進(jìn)行了預(yù)測,其結(jié)果如表1。2.2基于bp-b神經(jīng)網(wǎng)絡(luò)煤儲層的滲透定量預(yù)測2.2.1bp神經(jīng)網(wǎng)絡(luò)算法人工神經(jīng)網(wǎng)絡(luò)是模仿人腦神經(jīng)沖動(dòng)傳導(dǎo)原理而建立的數(shù)學(xué)模型,是由許多相互聯(lián)系的相似處理單元——神經(jīng)元有機(jī)連接而構(gòu)成的一個(gè)非線性復(fù)雜網(wǎng)絡(luò)。根據(jù)網(wǎng)絡(luò)中神經(jīng)元的連接方式的不同,可將人工神經(jīng)網(wǎng)絡(luò)分為分層網(wǎng)絡(luò)和相互聯(lián)接型網(wǎng)絡(luò)兩大類。目前應(yīng)用較廣的是分層網(wǎng)絡(luò),根據(jù)實(shí)際輸出和期望輸出之差,對網(wǎng)絡(luò)的各層連接權(quán)由后向前逐層進(jìn)行誤差校正的多層前饋網(wǎng)絡(luò),簡稱BP神經(jīng)網(wǎng)絡(luò)。該算法所采用的學(xué)習(xí)過程是由正向傳播(處理)和反向傳播(處理)兩部分組成。在正向傳播過程中,輸入模式從輸入層經(jīng)隱含層逐層處理并傳向輸出層,如果輸出層不是期望的輸出,則誤差信號從輸出層向輸入層傳播,即反向傳播,在反向傳播過程中調(diào)整各層間連接權(quán)及各層神經(jīng)元的偏置值,以便誤差逐漸減小。因此,該算法的實(shí)質(zhì)是求誤差函數(shù)的最小值,它通過多個(gè)樣本的反復(fù)訓(xùn)練,權(quán)值延誤差函數(shù)的最快下降(負(fù)梯度)方向來改變,最終收斂于最小點(diǎn),最后將多個(gè)已知樣本訓(xùn)練得到的各層連接權(quán)及各層神經(jīng)元的偏置值等信息作為知識保存,以便對未訓(xùn)練樣本值進(jìn)行預(yù)測。2.2.2bp神經(jīng)網(wǎng)絡(luò)構(gòu)建建立合適的神經(jīng)網(wǎng)絡(luò)模型是利用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行煤儲層滲透率預(yù)測的關(guān)鍵。本次試驗(yàn)根據(jù)BP神經(jīng)網(wǎng)絡(luò)的基本模型和BP算法,建立如圖5的BP神經(jīng)網(wǎng)絡(luò)模型。該網(wǎng)絡(luò)模型有三層組成:輸入層、隱含層和輸出層。第一層為輸入層,考慮到研究工區(qū)煤儲層滲透性的主控因素,輸入層由煤層埋深、儲層壓力、地應(yīng)力和有效地應(yīng)力4個(gè)神經(jīng)元組成。第二層為隱含層,由9個(gè)神經(jīng)元組成,隱含層神經(jīng)元稱為隱含單元,它們與外界沒有直接的關(guān)系,但其狀態(tài)的改變能影響輸入輸出之間的關(guān)系。第三層為輸出層,該層由煤儲層滲透率1個(gè)神經(jīng)元組成。在建立的BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,設(shè)置網(wǎng)絡(luò)全局誤差最小值的控制常數(shù)為0.0001,輸出層的網(wǎng)絡(luò)學(xué)習(xí)率為0.6,隱含層的網(wǎng)絡(luò)學(xué)習(xí)率為0.6,對已知的24組樣本,進(jìn)行學(xué)習(xí)。為了驗(yàn)證訓(xùn)練好的模型在預(yù)測中的有效性,利用建立的BP網(wǎng)絡(luò)模型對待測的10組樣本進(jìn)行了預(yù)測,其結(jié)果如表1。2.3預(yù)測結(jié)果對比由表1可以看出,多元線性逐步回歸分析和BP神經(jīng)網(wǎng)絡(luò)兩種方法的預(yù)測結(jié)果在一定程度上能夠反映出了煤儲層實(shí)際滲透率的變化趨勢,且BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果明顯優(yōu)于線性回歸分析的預(yù)測結(jié)果。兩種預(yù)測方法的原理不同:線性回歸分析預(yù)測是基于已知煤儲層滲透率主控因素的數(shù)值與對應(yīng)的滲透率實(shí)測值的線性關(guān)系分析;BP神經(jīng)網(wǎng)絡(luò)預(yù)測是基于已知煤儲層滲透率每個(gè)主控因素的數(shù)值與對應(yīng)的滲透率實(shí)測值非線性映射關(guān)系分析。然而實(shí)際上,煤儲層滲透率與其主控因素?cái)?shù)值之間并不一定具有線性關(guān)系,這是導(dǎo)致預(yù)測結(jié)果差異的主要原因。3煤儲層滲透率研究煤儲層滲透率是煤礦安全產(chǎn)和準(zhǔn)確地評價(jià)和預(yù)測煤層氣開發(fā)前景以及制定開發(fā)方案的重要評價(jià)參數(shù)。在一定的地質(zhì)構(gòu)造背景下