基于深度置信网络的煤层含气量测井解释研究

胡 驰，李新虎,2,3*，李晓君，李 健，郭 杰

(1.西安科技大学地质与环境学院, 西安 710054；2.陕西省煤炭绿色开发地质保障重点实验室，西安 710054；3.国土资源部煤炭资源勘查与综合利用重点实验室，西安 710021；4.甘肃煤炭地质勘查院，兰州 730000)

煤层气的开发过程中，煤层含气量的解释和评价对生产至关重要。目前，确定煤层含气量最准确的方法就是现场取心后实验室解吸。这种方法成本较高，因此，煤层气开发需要一种经济、有效且通用的煤层气含量解释方法。

目前有学者利用地球物理测井资料预测煤层含气量，主要方法有概率统计法[1-2]、等温吸附曲线法[3-4]和BP神经网络[5-6]。但是，基于多元线性回归所建立的概率统计法，对于计算煤层含气量这种非线性问题，仍存在较大误差。Langmuir方程的计算结果会受到甲烷饱和度的影响，且大多数情况下，煤层气属于欠饱和吸附[7]，因此，计算结果仅为煤层中的相对煤层气含量。BP神经网络虽然可以解决非线性的复杂问题，但由于初始值的随机性，导致计算过程中容易陷入局部最小值或产生过拟合问题[8]。深度学习可以有效的发现并描述问题的复杂结构[9-10]，其在很多领域获得了成功[11-15]，但目前很少应用到测井解释。

笔者在本次研究中，将深度学习的深度置信网络(DBN)引入到煤层含气量预测中，结合合水地区测井数据，确定了可用来计算合水地区煤层含气量的DBN网络参数，构建了DBN网络，该方法可用来对合水地区煤层气测井数据进行定量解释。

1 研究区概况

合水地区位于陕北单斜的西南部，总体呈向NW倾斜的复式单斜构造，倾角平缓，一般在3°～10°。……