GRNN与LS-SVM方法在计算煤质工业组分中的应用

doi:10.11720/wtyht.2016.1.16

摘要
参考文献
相关文章
Metrics

全文: PDF(1465 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

在煤炭开发过程中,对煤质的评价尤为重要。依靠实验室分析来确定煤质的工业组分效率比较低,成本也比较高,因此通过建立其与测井参数之间的关系来进行各组分的计算。选取自然伽马、双收时差、密度以及三侧向电阻率这四个测井参数为输入的特征参数,煤质的水分、灰分、挥发分以及固定碳的含量作为输出结果,利用在某煤田挑选的73层测井数据当作训练样本,构建了基于广义回归神经网络(GRNN)以及最小二乘支持向量机(LS-SVM)的计算模型,从而建立了测井参数与各工业组分之间的关系。对19层的测试数据进行了检验,结果表明这两种方法均能应用于实际的生产之中;相比之下,广义回归神经网络能更准确地计算出各组分的含量,其平均平方误差均在1%以下。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

Abstract：

As one of the most pivotal resources, coal cannot be replaced. The evaluation of coal properties plays an essential role in the development. The calculation of coal properties based on laboratory analysis is inefficient and expensive. In this paper, the authors have resolved this problem by establishing the relationship between logging parameters and coal properties. Natural gamma, time difference, density and three-lateral resistivity are treated as input, and values of moisture, ash, volatile matter and fixed carbon are chosen as output. By using 73-layer logging data to train, the authors constructed a model based on GRNN and LS-SVM to calculate coal qualities. Through testing 19-layer data, the authors have reached the conclusion that these two methods can be well used in practice. The GRNN can calculate the content of moisture, ash, volatile matter and fixed carbon more accurately than LS-SVM, with its mean square error lower than 1%.

收稿日期: 2015-05-25 出版日期: 2016-02-10

P631

基金资助:

国家高技术研究发展计划("863"计划)项目(2014AA06A609)

通讯作者: 王祝文(1961-),男,教授,博士生导师,主要从事地球物理测井新方法新技术以及复杂岩性的地球物理测井解释和评价、核地球物理、辐射与环境评价等方面的教学和科研工作。E-mail:wangzw@jlu.edu.cn

作者简介: 周大鹏(1992-),男,硕士研究生,研究方向为地球物理测井。

引用本文:

周大鹏, 王祝文, 李晓春. GRNN与LS-SVM方法在计算煤质工业组分中的应用[J]. 物探与化探, 2016, 40(1): 88-92.
ZHOU Da-Peng, WANG Zhu-Wen, LI Xiao-Chun. The application of GRNN and LS-SVM to coal properties calculation. Geophysical and Geochemical Exploration, 2016, 40(1): 88-92.

链接本文:

https://www.wutanyuhuatan.com/CN/10.11720/wtyht.2016.1.16 或 https://www.wutanyuhuatan.com/CN/Y2016/V40/I1/88

[1] 曹炜.煤田地质勘探中的煤质工作分析[J].科技与企业, 2014(10):149.

[2] 周晓翠.地球物理测井煤质分析[J].河北地质学院学报, 1986, 9(3-4):401-412.

[3] 李大庆.应用回归分析进行原煤灰分预测[J].物探与化探, 1989, 13(2):116-122.

[4] 侯俊胜,王颖.神经网络方法在煤层气测井资料解释中的应用[J].地质与勘探, 1999, 35(3):41-44.

[5] 孙致学,姚军,孙治雷,等.基于神经网络的聚类分析在储层流动单元划分中的应用[J].物探与化探, 2011, 35(3):349-353.

[6] 吴东平,岳晓燕,吴春萍.神经网络技术在煤层气测井评价中的应用[J].断块油气田, 2000, 7(5):48-49.

[7] 戴黎明,陈永良,刘鑫,等.基于RBF神经网络的矿产资源潜力预测模型[J].物探与化探, 2011, 35(1):103-108.

[8] Specht D F. A general regression neural network[J]. IEEE Trans Neutral Networks, 1991, 2(6):568-576.

[9] 金帅军.基于GRNN神经网络的农作物虫害量预测系统设计[D].呼和浩特:内蒙古工业大学,2013.

[10] 王小川,史峰,郁磊,等.MATLAB神经网络43个案例分析[M].北京:北京航空航天大学出版社, 2013.

[11] 钱光兴,崔东文.RBF与GRNN神经网络模型在城市需水预测中的应用[J].水资源与水工程学报,2012, 23(5):148-152.

[12] Vapnik V N. An Overview of Statistic Learning Theory[J]. IEEE Trans Neural, 1999, 10(5):989-999.

[13] Suykens J A K, Vandewalle J. Least squares support vector machine classifiers[J].Neural Processing Letters, 1999, (9):293-300.

[14] 阎威武,朱宏栋,邵惠鹤.基于最小二乘支持向量机的软测量建模[J].系统仿真学报, 2003, 15(10):1494-1496.

[15] 孙宗海,孙优贤.用于回归估计的最小二乘支持向量机[J].系统工程理论与实践, 2004,24(7):94-97.

[16] 牟丹,王祝文,黄玉龙,等.基于最小二乘支持向量机测井识别火成岩类型:以辽河盆地中基性火山岩为例[J].吉林大学学报:地球科学版, 2015, 45(2):639-648.

[17] 张应文,王亮,王班友,等.煤田测井中煤层的定性及定厚解释技术应用[J].物探与化探, 2008, 32(1):49-52.

[18] 董红,侯俊胜,李能根,等.煤层煤质和含气量的测井评价方法及其应用[J].物探与化探, 2001, 25(2):138-143.

[1]	陈秀娟, 刘之的, 刘宇羲, 柴慧强, 王勇. 致密储层孔隙结构研究综述[J]. 物探与化探, 2022, 46(1): 22-31.
[2]	肖关华, 张伟, 陈恒春, 卓武, 王艳君, 任丽莹. 浅层地震技术在济南地下空间探测中的应用[J]. 物探与化探, 2022, 46(1): 96-103.
[3]	石磊, 管耀, 冯进, 高慧, 邱欣卫, 阙晓铭. 基于多级次流动单元的砂砾岩储层分类渗透率评价方法——以陆丰油田古近系文昌组W53油藏为例[J]. 物探与化探, 2022, 46(1): 78-86.
[4]	陈大磊, 王润生, 贺春艳, 王珣, 尹召凯, 于嘉宾. 综合地球物理探测在深部空间结构中的应用——以胶东金矿集区为例[J]. 物探与化探, 2022, 46(1): 70-77.
[5]	周能, 邓可晴, 庄文英. 基于线性放电法的多道脉冲幅度分析器设计[J]. 物探与化探, 2022, 46(1): 221-228.
[6]	吴燕民, 彭正辉, 元勇虎, 朱今祥, 刘闯, 葛薇, 凌国平. 一种基于差分接收的电磁感应阵列探头的设计与实现[J]. 物探与化探, 2022, 46(1): 214-220.
[7]	王猛, 刘媛媛, 王大勇, 董根旺, 田亮, 黄金辉, 林曼曼. 无人机航磁测量在荒漠戈壁地区的应用效果分析[J]. 物探与化探, 2022, 46(1): 206-213.
[8]	张化鹏, 钱卫, 刘瑾, 武立林, 宋泽卓. 基于伪随机信号的磁电法渗漏模型试验[J]. 物探与化探, 2022, 46(1): 198-205.
[9]	张建智, 胡富杭, 刘海啸, 邢国章. 煤矿老窑采空区地—井TEM响应特征[J]. 物探与化探, 2022, 46(1): 191-197.
[10]	张宇哲, 孟麟, 王智. 基于Gmsh的起伏地形下井—地直流电法正演模拟[J]. 物探与化探, 2022, 46(1): 182-190.
[11]	马德志, 王炜, 金明霞, 王海昆, 张明强. 海上地震勘探斜缆采集中鬼波产生机理及压制效果分析[J]. 物探与化探, 2022, 46(1): 175-181.
[12]	张洁. 基于拉伸率的3DVSP道集切除技术及应用[J]. 物探与化探, 2022, 46(1): 169-174.
[13]	丁骁, 莫思特, 李碧雄, 黄华. 混凝土内部裂缝对电磁波传输特性参数的影响[J]. 物探与化探, 2022, 46(1): 160-168.
[14]	崔瑞康, 孙建孟, 刘行军, 文晓峰. 低阻页岩电阻率主控因素研究[J]. 物探与化探, 2022, 46(1): 150-159.
[15]	陈亮, 付立恒, 蔡冻, 李凡, 李振宇, 鲁恺. 基于模拟退火法的磁共振测深多源谐波噪声压制方法[J]. 物探与化探, 2022, 46(1): 141-149.

Viewed

Full text

Abstract

Cited

Shared

Discussed