CN103334739B - 一种测定煤层瓦斯压力的方法及装置 - Google Patents

一种测定煤层瓦斯压力的方法及装置 Download PDF

Info

Publication number
CN103334739B
CN103334739B CN201310263927.XA CN201310263927A CN103334739B CN 103334739 B CN103334739 B CN 103334739B CN 201310263927 A CN201310263927 A CN 201310263927A CN 103334739 B CN103334739 B CN 103334739B
Authority
CN
China
Prior art keywords
coal
gas pressure
bed gas
drilling
bed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310263927.XA
Other languages
English (en)
Other versions
CN103334739A (zh
Inventor
程国强
胡千庭
谭云亮
田静萍
李磊
王毅
孟丽华
于海峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201310263927.XA priority Critical patent/CN103334739B/zh
Publication of CN103334739A publication Critical patent/CN103334739A/zh
Application granted granted Critical
Publication of CN103334739B publication Critical patent/CN103334739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Sampling And Sample Adjustment (AREA)

Abstract

本发明公开了一种测定煤层瓦斯压力的方法及装置,该方法在钻孔封孔后初期,钻孔瓦斯涌出量q随时间t符合乘幂函数关系,即q=At-B,式中钻孔瓦斯涌出初速度A和衰减系数B为随煤层瓦斯压力变化而变化的参数;利用此关系,通过BP神经网络可对煤层瓦斯压力进行快速反演。该测定煤层瓦斯压力的装置的进气管、黄泥封孔口、导气管设置在测量室内,流量传感器连接导气管、真空泵和瓦斯浓度传感器,出气管安装在真空泵上,信号调理电路连接流量传感器和瓦斯浓度传感器,A/D转换器连接信号调理电路,PC机连接A/D转换器。本发明具有能解决间接测定煤层瓦斯压力所用函数关系高度非线性的难题,且反演快速的特点。

Description

一种测定煤层瓦斯压力的方法及装置
技术领域
本发明属于煤层瓦斯测定技术领域,尤其涉及一种测定煤层瓦斯压力的方法及装置。
背景技术
几十年来,国内外针对如何准确地测定煤层瓦斯压力开展了大量研究和探索,提出了各种各样的测定方法,总体上可分为直接法和间接法两大类。
一、直接测定法
直接测定法是通过钻孔揭露煤层,安设测定仪表并密封钻孔,利用煤层中的瓦斯自然渗透原理测定在钻孔揭露处达到平衡的瓦斯压力。其中封孔是关键的一道工序,它直接影响着测得的瓦斯压力的准确性。因此,根据封孔工艺不同,出现了很多直接测压方法,如“粘土、水泥封孔测压法”、“胶圈封孔器测压法”、“胶囊-压力粘液封孔测压法”和“聚氨酯泡沫-压力粘液封孔测压法”等。
目前,我国煤层瓦斯压力的测定方法中,直接测定法使用较为广泛,测得的结果也比较准确。但是,此法为了得到稳定的煤层瓦斯压力,测压周期较长,往往不能对快速开拓的煤矿动态系统起到指导作用。
二、间接测定法
间接测定法是根据煤层透气性系数、瓦斯解吸规律、煤层瓦斯含量系数曲线等,通过计算,推测出该地点的瓦斯压力。此方法一般可以分为根据瓦斯压力梯度、煤层瓦斯涌出量、煤层原始瓦斯含量、煤样残余瓦斯含量煤屑解吸指标Δh2、井下煤屑瓦斯解吸量等几种。
以上间接测压法一般是在现场缺乏测压条件(如没有合适的测压地点)时使用,它操作简便,能够节省测试经费,但是要测算的参数较多,工作量大,而且原有的计算公式逐渐不能满足现在日趋复杂的煤矿开采形势。
由于影响煤层瓦斯压力的因素较多,各影响因素之间存在着动态、模糊的非线性关系,其变化过程表现为复杂的非线性动力学过程。而BP神经网络具有自组织、自适应、并行处理等特性和很强的非线性映射能力,能够解决因果关系模糊且高度非线性的预测难题。所以本发明利用BP神经网络,通过钻孔瓦斯涌出量与煤层瓦斯压力之间的关系对煤层瓦斯压力进行快速反演。
发明内容
本发明实施例的目的在于提供一种测定煤层瓦斯压力的方法及装置,旨在解决传统的测定煤层瓦斯压力方法周期较长,间接测定测定方法很难准确地建立煤层瓦斯压力测算模型的问题。
本发明实施例是这样实现的,一种测定煤层瓦斯压力的方法,在钻孔封孔后初期,钻孔瓦斯涌出量q随时间t符合乘幂函数关系,即q=At-B,式中钻孔瓦斯涌出初速度A和衰减系数B为随煤层瓦斯压力变化而变化的参数;利用此关系,通过BP神经网络可对煤层瓦斯压力进行快速反演。
进一步,该测定煤层瓦斯压力的原理是:在钻孔封孔后初期,钻孔瓦斯涌出量q随时间t符合乘幂函数关系,即q=At-B,式中钻孔瓦斯涌出初速度A和衰减系数B为随煤层瓦斯压力变化而变化的参数。利用此关系,通过BP神经网络对煤层瓦斯压力进行快速反演。
该测定煤层瓦斯压力的方法包括以下步骤:
收集不同地区、不同地质及开采条件的煤层钻孔瓦斯涌出规律数据,处理得到样本数据;
根据煤层瓦斯赋存条件、地质环境及抽采工艺等情况从样本数据中筛选合适的反演煤层瓦斯压力的样本,组成样本库;
通过训练及测试得到反演煤层瓦斯压力的BP神经网络;
现场打钻测得煤层瓦斯浓度与总流量,将其相乘得到不同时间的钻孔瓦斯涌出量,绘出钻孔瓦斯涌出量随时间变化的q-t曲线;
对曲线进行函数拟合,获得拟合参数,处理之后得到一个输入样本,将其归一化后输入到训练好的反演煤层瓦斯压力的BP神经网络中,经过运算得到煤层的瓦斯压力。
进一步,通过煤矿现场数据采集、文献资料整理和数值模拟三种途径收集样本数据,建立样本库。
进一步,对实测q-t曲线进行函数拟合,得到拟合参数:钻孔瓦斯涌出初速度A和衰减系数B,将其与已知的钻孔半径R1及煤层埋深H组成一个输入样本{R1,H,A,B}。
本发明实施例的另一目的在于提供一种测定煤层瓦斯压力的装置,该测定煤层瓦斯压力的装置包括:进气管、测量室、黄泥封孔口、导气管、流量传感器、瓦斯浓度传感器、传感器探头、真空泵、出气管、信号调理电路、A/D转换器、PC机;
进气管、黄泥封孔口、导气管设置在测量室内,流量传感器连接导气管、真空泵和瓦斯浓度传感器,出气管安装在真空泵上,信号调理电路连接流量传感器和瓦斯浓度传感器,A/D转换器连接信号调理电路,PC机连接A/D转换器。
进一步,流量传感器通过导气胶皮管连接导气管。
进一步,流量传感器通过传感器探头连接瓦斯浓度传感器。
进一步,信号调理电路由信号放大电路和滤波电路组成。
本发明提供的测定煤层瓦斯压力的方法及装置,基于BP神经网络快速反演煤层瓦斯压力。本发明通过利用钻孔瓦斯涌出规律与煤层瓦斯压力之间的反演关系,通过BP神经网络模型对煤层瓦斯压力进行快速反演。利用了BP神经网络具有自组织、自适应、并行处理等特性和很强的非线性映射能力,使得其在煤层瓦斯压力预测中具有传统方法无法比拟的适应性和优越性。此外,本发明操作方便,装置的结构简单,测定方法先进,解决了此领域的空白。
附图说明
图1是本发明实施例提供的测定煤层瓦斯压力的方法图;
图2是本发明实施例提供的测定煤层瓦斯压力的方法的流程框图;
图3是本发明实施例提供的四川某矿实测的钻孔瓦斯涌出量随时间变化的曲线示意图;
图4是本发明实施例提供的数值模拟得到的钻孔瓦斯涌出量随时间变化的曲线与实测数据比较结果的示意图;
图5是本发明实施例提供的不同煤层瓦斯压力情况下的钻孔瓦斯涌出量随时间变化的曲线示意图;
图6是本发明实施例提供的测定煤层瓦斯压力的装置的示意图;
图中:1、进气管;2、测量室;3、黄泥封孔口;4、导气管;5、导气胶皮管;6、流量传感器;7、瓦斯浓度传感器;8、传感器探头;9、真空泵;10、出气管;11、信号调理电路;12、A/D转换器;13、PC机。
图7是本发明实施例提供的四川某矿打钻实测的钻孔瓦斯涌出量随时间变化的曲线示意图;
图8是本发明实施例提供的对实测数据的乘幂函数拟合曲线示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明提供的测定煤层瓦斯压力的方法。为了便于说明,仅仅示出了与本发明相关的部分。
本发明的测定煤层瓦斯压力的方法,该测定煤层瓦斯压力的方法包括以下步骤:
收集不同地区、不同地质及开采条件的煤层钻孔瓦斯涌出规律数据,处理得到样本数据;
根据煤层瓦斯赋存条件、地质环境及抽采工艺等情况从样本数据中筛选合适的反演煤层瓦斯压力的样本,组成样本库;
通过训练及测试得到反演煤层瓦斯压力的BP神经网络;
现场打钻测得煤层瓦斯浓度与总流量,将其相乘得到不同时间的钻孔瓦斯涌出量,绘出钻孔瓦斯涌出量随时间的变化规律曲线;
对曲线进行函数拟合,获得拟合参数,处理之后得到一个输入样本,将其归一化后输入到训练好的反演煤层瓦斯压力的BP神经网络中,经过运算得到煤层的瓦斯压力。
作为本发明实施例的一优化方案,通过煤矿现场数据采集、文献资料整理和软件数值模拟三种途径收集样本数据,建立样本库。
作为本发明实施例的一优化方案,对q-t曲线进行函数拟合,得到拟合参数:钻孔瓦斯涌出初速度A和衰减系数B,将其与已知的钻孔半径R1及煤层埋深H组成一个样本数据{R1,H,A,B}。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的测定煤层瓦斯压力的方法包括以下步骤:
S101:收集样本数据,建立样本库;
S102:了解需要测压煤层的基本情况,根据煤层瓦斯赋存条件、地质环境及抽采工艺等情况从样本库中筛选合适的样本;
S103:将所筛选的样本分为训练样本和测试样本两部分,通过训练样本学习训练得到BP神经网络;
S104:经过测试样本的测试获得误差较小、精度较高的BP神经网络;
S105:将煤层瓦斯浓度与总流量相乘得到不同时间的钻孔瓦斯涌出量,绘出钻孔瓦斯涌出量随时间的变化规律曲线;
S106:对曲线进行函数拟合,得到拟合参数,将输入样本输入到训练好的BP神经网络中,经过运算得到煤层的瓦斯压力。
本发明的具体步骤为:
如图2所示,首先,通过煤矿现场数据采集、文献资料整理和数值模拟三种途径收集样本数据,建立样本库,其中本发明中第三种途径是利用ANSYS软件的热分析功能模拟实际煤层的钻孔瓦斯涌出规律来获取数据,主要步骤如下:
收集四川省某矿可采煤层的实测数据,得到封孔后初期钻孔瓦斯涌出量随时间变化的曲线如图3所示。
从煤矿得到的相关数据有:钻孔直径为0.03m,卸压区半径为0.06m,瓦斯吸附常数a为12.1m3/t,瓦斯吸附常数b为1.2MPa-1,煤层空隙率为0.58,煤层瓦斯压力为3MPa,钻孔内压力为0.1MPa。
根据已知参数,经过建模、划分网格、设置参数、加载求解后,得到钻孔瓦斯涌出量随时间变化的曲线与实测数据比较的结果如图4所示。从图4中可以看出,数值模拟结果与实测结果符合较好。
在实测数据的基础上,调整煤层瓦斯压力分别为3.5MPa、2.5MPa和2MPa进行模拟,结果如图5所示。
将图5中不同工况的曲线按乘幂函数进行拟合,拟合结果如下:
工况1(p0=3.5MPa),拟合函数关系式为q=0.012447*t-0.4183,相关系数R2值为0.9973,钻孔瓦斯涌出初速度A为0.012447,衰减系数B为0.4183;
工况2(p0=3MPa),拟合函数关系式为q=0.010598*t-0.4089,相关系数R2值为0.9825,钻孔瓦斯涌出初速度A为0.010598,衰减系数B为0.4089;
工况3(p0=2.5MPa),拟合函数关系式为q=0.007623*t-0.3558,相关系数R2值为0.9859,钻孔瓦斯涌出初速度A为0.007623,衰减系数B为0.3558;
工况4(p0=2MPa),拟合函数关系式为q=0.005311*t-0.3139,相关系数R2值为0.9721,钻孔瓦斯涌出初速度A为0.005311,衰减系数B为0.3139。
结合已知参数和拟合结果即可得到4组样本数据,输入样本由钻孔半径R1、煤层埋藏深度H、钻孔瓦斯涌出初速度A和衰减系数B组成,输出样本为煤层瓦斯压力p0,得到的样本数据如下:
样本1:{R1,H,A,B}={0.025,580,0.012447,0.4183},p0=3.5;
样本2:{R1,H,A,B}={0.025,580,0.010598,0.4089},p0=3;
样本3:{R1,H,A,B}={0.025,580,0.007623,0.3558},p0=2.5;
样本4:{R1,H,A,B}={0.025,580,0.005311,0.3139},p0=2。
其次,了解需要测压煤层的基本情况,根据煤层瓦斯赋存条件、地质环境及抽采工艺等情况从样本库中筛选合适的样本。
之后,将所筛选的样本分为训练样本和测试样本两部分,通过训练样本学习训练得到BP神经网络,再经过测试样本的测试获得误差较小、精度较高的BP神经网络。
然后,在所测煤层工作面打钻孔测得瓦斯与空气等混合气体的总流量及煤层瓦斯浓度,将煤层瓦斯浓度与总流量相乘得到不同时间的钻孔瓦斯涌出量,绘出钻孔瓦斯涌出量随时间的变化规律曲线,即q-t曲线。
之后,对q-t曲线进行函数拟合,得到拟合参数:钻孔瓦斯涌出初速度A和衰减系数B,将其与已知的钻孔半径R1及煤层埋深H组成一个样本数据{R1,H,A,B}。
最后,将输入样本归一化后输入到训练好的BP神经网络中,经过运算得到煤层的瓦斯压力。
如图6所示,本发明的测定煤层瓦斯压力的装置主要由进气管1、测量室2、黄泥封孔口3、导气管4、导气胶皮管5、流量传感器6、瓦斯浓度传感器7、传感器探头8、真空泵9、出气管10、信号调理电路11、A/D转换器12、PC机13组成;测试装置中,导气管4与进气管1均用直径25毫米的钢管制成,导气管4每段长1米,共需3根,进气管1长0.5米,管上布置有进气孔,密封钻孔采用黄泥封孔。
本发明的测试装置的主要设备的具体用途如下:流量传感器6用于获得瓦斯和空气等混合气体的流量模拟信号;瓦斯浓度传感器7用于获得瓦斯浓度模拟信号;信号调理电路11由信号放大电路和滤波电路组成,用于实现模拟信号的放大和滤波处理;A/D转换器12,用于将模拟信号转换为对应的数字信号并输入PC机13;PC机13,用于传入数字信号的运算,对q-t曲线的函数拟合,以及BP神经网络的运算。
本发明的具体实施例为:
(1)工程概况
四川省什邡县红星煤矿地处龙门山地槽边缘一倒转向斜的两翼,属新华夏系第三沉降带构造体系。主要构造均属压扭性或先张后压扭的封闭或半封闭性构造。由于受倒转向斜的影响,地层产状变化大,倾角为8~40度,次一级隐状褶曲发育,阶梯状小断层较多,将煤层切割成块。
煤系地层属上三迭系须家河组,厚约2000余米,地层内含煤数十层,可采煤层仅C5一层,牌号为贫煤——无烟煤。煤层厚约1.8~2米,有炭质页岩夹矸2~3层,总厚0.3~0.4米。C5煤层埋深约624米,煤层瓦斯压力为2.8MPa。
(2)测压BP神经网络
本发明训练好的根据钻孔瓦斯涌出规律反演煤层瓦斯压力的BP神经网络为3层神经网络,结构为4×10×1,即输入神经元为4个:钻孔半径、煤层埋深、钻孔瓦斯涌出规律曲线的两个拟合参数,隐含层神经元为10个,输出神经元为1个:煤层瓦斯压力。网络所用的训练函数为traingdx,隐含层的传递函数为S型正切函数tansig,输出层的传递函数为purelin。
(3)测试过程
首先,工作人员携带各测试装置到达井下C5煤层工作面,对各个测压装置进行仔细检查测试,然后按照测试装置图6进行连接。同时,对工作面处的钻孔位置进行合理布置,做好钻孔前的准备工作。
其次,做好准备工作后,工作人员用钻机在在工作面前方打长3.5米、直径42毫米的钻孔,打好后立刻用准备好的黄泥进行封孔,检查封孔口是否漏气,封好之后,做好记录数据前的准备工作。
然后,从第1分钟开始记录数据,每隔一分钟记录一次,记录15个不同时间的对应数据。数据的具体记录及导出过程如下:瓦斯与空气的混合气体经导气胶皮管5通过流量计6和瓦斯浓度传感器7,由流量传感器6得到瓦斯和空气等混合气体的流量模拟信号,瓦斯浓度传感器7得到瓦斯浓度模拟信号,两个信号均导入到信号调理电路11中,经过处理,再通过A/D转换器12将模拟信号转换成对应的数字信号并导入到PC机13中,通过程序运算得到不同时刻的钻孔瓦斯涌出量,如图7所示,并通过程序对q-t曲线函数拟合,得到拟合参数A和B,拟合结果如图8所示。其中,拟合函数为:q=0.0085*t-0.4129,R-square为0.9933,即A=0.0085,B=0.4129。
最后,工作人员将获得的拟合参数A和B与已知的钻孔半径R1及煤层埋深H组成一个样本数据{R1,H,A,B}={0.021,624,0.0085,0.4129},归一化后输入到训练好的BP神经网络中,经过运算得到煤层的瓦斯压力。
(4)结果分析
通过以上测试获得的煤层瓦斯压力值为2.69MPa,比实际煤层瓦斯压力2.8MPa略小。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种测定煤层瓦斯压力的方法,其特征在于,在钻孔封孔后初期,钻孔瓦斯涌出量q随时间t符合乘幂函数关系,即q=At-B,式中钻孔瓦斯涌出初速度A和衰减系数B为随煤层瓦斯压力变化而变化的参数;利用此关系,通过BP神经网络可对煤层瓦斯压力进行快速反演;
该测定煤层瓦斯压力的方法包括以下步骤:
收集不同地区、不同地质及开采条件的煤层钻孔瓦斯涌出规律数据,处理得到样本数据;
根据煤层瓦斯赋存条件、地质环境及抽采工艺情况从样本数据中筛选合适的反演煤层瓦斯压力的样本,组成样本库;
通过训练及测试得到反演煤层瓦斯压力的BP神经网络;
现场打钻测得煤层瓦斯浓度与总流量,将其相乘得到不同时间的钻孔瓦斯涌出量,绘出钻孔瓦斯涌出量随时间的变化规律曲线;
对曲线进行函数拟合,获得拟合参数,处理之后得到一个输入样本,将其归一化后输入到训练好的反演煤层瓦斯压力的BP神经网络中,经过运算得到煤层的瓦斯压力;
通过煤矿现场数据采集、文献资料整理和数值模拟三种途径收集样本数据,建立样本库;
对实测的q-t曲线进行乘幂函数拟合,得到拟合参数:钻孔瓦斯涌出初速度A和衰减系数B,将其与已知的钻孔半径R1及煤层埋深H组成一个样本数据{R1,H,A,B),并进行归一化处理,得到一个输入样本。
2.一种测定煤层瓦斯压力的装置,其特征在于,该测定煤层瓦斯压力的装置包括:进气管、测量室、黄泥封孔口、导气管、流量传感器、瓦斯浓度传感器、传感器探头、真空泵、出气管、信号调理电路、A/D转换器、PC机;
进气管、黄泥封孔口、导气管设置在测量室内,流量传感器连接导气管、真空泵和瓦斯浓度传感器,出气管安装在真空泵上,信号调理电路连接流量传感器和瓦斯浓度传感器,A/D转换器连接信号调理电路,PC机连接A/D转换器。
3.如权利要求2所述的测定煤层瓦斯压力的装置,其特征在于,流量传感器通过导气胶皮管连接导气管。
4.如权利要求2所述的测定煤层瓦斯压力的装置,其特征在于,流量传感器通过导气胶皮管连接瓦斯浓度传感器。
5.如权利要求2所述的测定煤层瓦斯压力的装置,其特征在于,信号调理电路由信号放大电路和滤波电路组成。
CN201310263927.XA 2013-06-28 2013-06-28 一种测定煤层瓦斯压力的方法及装置 Active CN103334739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310263927.XA CN103334739B (zh) 2013-06-28 2013-06-28 一种测定煤层瓦斯压力的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310263927.XA CN103334739B (zh) 2013-06-28 2013-06-28 一种测定煤层瓦斯压力的方法及装置

Publications (2)

Publication Number Publication Date
CN103334739A CN103334739A (zh) 2013-10-02
CN103334739B true CN103334739B (zh) 2016-05-11

Family

ID=49242943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310263927.XA Active CN103334739B (zh) 2013-06-28 2013-06-28 一种测定煤层瓦斯压力的方法及装置

Country Status (1)

Country Link
CN (1) CN103334739B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103510943A (zh) * 2013-10-29 2014-01-15 华北科技学院 一种用于煤矿突出预测的深钻孔瓦斯涌出初速度测定仪
CN104695940B (zh) * 2015-02-05 2018-02-16 煤科集团沈阳研究院有限公司 煤层钻孔瓦斯涌出初速度测定装置及测定方法
CN108444856B (zh) * 2018-02-11 2024-02-13 煤炭科学技术研究院有限公司 煤矿井下煤层瓦斯含量与压力快速测定仪及测定方法
CN109697318B (zh) * 2018-12-24 2023-04-28 山东蓝光软件有限公司 基于瓦斯抽放系统模拟解算的瓦斯参数反演方法及装置
CN110424949B (zh) * 2019-06-24 2021-06-22 中国矿业大学 煤层瓦斯参数随钻快速测试的反演计算方法
CN111173506A (zh) * 2019-12-31 2020-05-19 中国矿业大学(北京) 二氧化碳泄漏监测方法及装置
CN111721912B (zh) * 2020-06-30 2023-02-03 贵州省煤矿设计研究院有限公司 一种快速测定煤层瓦斯压力与瓦斯含量的装置及方法
CN111764954B (zh) * 2020-07-13 2021-11-02 中煤科工集团重庆研究院有限公司 一种长距离靶点瓦斯含量辨识及三维瓦斯抽采方法
CN111894558B (zh) * 2020-08-14 2024-01-26 河南理工大学 一种煤层低瓦斯压力精准测量的方法
CN114251087B (zh) * 2021-11-22 2023-09-26 煤炭科学技术研究院有限公司 基于钻孔瓦斯流量反演煤层瓦斯压力的测试方法与装置
CN114060001A (zh) * 2021-12-07 2022-02-18 中煤能源研究院有限责任公司 一种钻孔瓦斯流量衰减系数自动测定装置及方法
CN116663276B (zh) * 2023-05-23 2024-01-05 中国矿业大学 一种煤层瓦斯压力和渗透率同步反演方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1250513B1 (en) * 2000-01-24 2005-04-06 Shell Internationale Researchmaatschappij B.V. System and method for fluid flow optimization in a gas-lift oil well
US7451122B2 (en) * 2006-03-29 2008-11-11 Honeywell International Inc. Empirical design of experiments using neural network models
CN101319925A (zh) * 2008-07-11 2008-12-10 昆明理工大学 一种利用bp神经网络的煤气计量方法
CN102937036A (zh) * 2012-11-16 2013-02-20 上海电机学院 一种基于bp神经网络的瓦斯监测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1250513B1 (en) * 2000-01-24 2005-04-06 Shell Internationale Researchmaatschappij B.V. System and method for fluid flow optimization in a gas-lift oil well
US7451122B2 (en) * 2006-03-29 2008-11-11 Honeywell International Inc. Empirical design of experiments using neural network models
CN101319925A (zh) * 2008-07-11 2008-12-10 昆明理工大学 一种利用bp神经网络的煤气计量方法
CN102937036A (zh) * 2012-11-16 2013-02-20 上海电机学院 一种基于bp神经网络的瓦斯监测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于GA-Elman神经网络的瓦斯压力预测的研究;王璇等;《中国科技信息》;20130415(第08期);第122、124页 *
曲方等;曲方等;《煤矿安全》;20040831;第35卷(第8期);第1-4页 *

Also Published As

Publication number Publication date
CN103334739A (zh) 2013-10-02

Similar Documents

Publication Publication Date Title
CN103334739B (zh) 一种测定煤层瓦斯压力的方法及装置
CN106761677B (zh) 页岩气水平井单井产能的测井预测方法
CN104298883B (zh) 一种油气资源评价中的烃源岩产烃率图版的建立方法
CN103411868B (zh) 一种煤层透气性系数的测试方法
CN102230375B (zh) 煤层瓦斯参数实时监测方法
Li et al. Evaluation and modeling of gas permeability changes in anthracite coals
Liu et al. Numerical assessment of the critical factors in determining coal seam permeability based on the field data
CN105547967B (zh) 裂隙介质系统渗透张量室内测定装置
CN110096718B (zh) 一种获取碳酸盐岩油藏中溶洞的体积的方法
CN103134448A (zh) 一种钻孔瓦斯抽采有效半径的测试方法
CN107907910B (zh) 一种不同岩性油藏横波测井确定方法
CN104695950A (zh) 火山岩油藏产能预测方法
CN104899411B (zh) 一种储层产能预测模型建立方法和系统
CN110107277B (zh) 一种获取碳酸盐岩油藏中井钻遇溶洞的体积的方法
CN106124381A (zh) 低渗煤储层瓦斯启动压力梯度和渗透率的现场测试方法
CN205538580U (zh) 裂隙介质系统渗透张量室内测定装置
CN107725006A (zh) 一种煤层钻孔瓦斯抽采模拟试验装置及方法
CN110043254A (zh) 一种基于电缆地层测试资料地层有效渗透率的获取方法
CN108561126A (zh) 一种确定页岩气储层有机孔隙度的简易方法
CN105931125A (zh) 一种致密油分段多簇体积压裂水平井产量预测方法
CN110096669B (zh) 一种获取碳酸盐岩油藏中裂缝体积的方法
CN105952446A (zh) 一种石油天然气气层成分含量测定方法
CN105003258A (zh) 一种高温高压气层甲烷流体密度骨架参数的获取方法
CN102900432A (zh) 利用微钻时数据随钻计算录井孔隙度进行储层评价的方法
CN110529106B (zh) 一种利用测井资料确定煤层显微组分含量的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant