基于神经网络模型的煤层气产能预测研究

• Published in: 河南理工大学学报（自然科学版） Vol. 44; no. 1; pp. 46 - 56
• Main Authors: 金毅, 郑晨晖, 宋慧波, 马家恒, 杨运航, 刘顺喜, 张昆, 倪小明
• Format: Journal Article
• Language: Chinese
• Published: 河南理工大学 资源环境学院,河南 焦作 454000 2025; 中原经济区煤层(页岩)气协同创新中心,河南 焦作 454000%河南理工大学 资源环境学院,河南 焦作 454000%河南理工大学 能源科学与工程学院,河南 焦作 454000; 煤炭安全生产与清洁高效利用省部共建协同创新中心,河南 焦作 454000
• Subjects: 灰色关联分析; BP neural network; productivity prediction; BP神经网络; LSTM神经网络; LSTM neural network; 产能预测; grey correlation analysis
• ISSN: 1673-9787
• DOI: 10.16186/j.cnki.1673-9787.2023030083

P618.11; 目的 煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础.方法 本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测.首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测.结果 结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为 4.06%～14.79%,平均误差值为 11.09%,预测精度明显高于BP神经网络模型,结论 根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据.