CN105223612B - 一种基于地震信息的煤矿水害预测评价方法 - Google Patents
一种基于地震信息的煤矿水害预测评价方法 Download PDFInfo
- Publication number
- CN105223612B CN105223612B CN201510316126.4A CN201510316126A CN105223612B CN 105223612 B CN105223612 B CN 105223612B CN 201510316126 A CN201510316126 A CN 201510316126A CN 105223612 B CN105223612 B CN 105223612B
- Authority
- CN
- China
- Prior art keywords
- water
- coal
- gushing water
- seismic
- prediction
- 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
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
一种基于地震信息的煤矿水害预测评价方法，属于煤矿水害预测评价方法。该煤矿水害预测评价方法：包括地震属性、地震岩性反演、概率神经网络反演三种岩性解释方法；把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质等三个类别；利用多种岩性地震解释方法获得构造、岩性和水文地质信息并进行量化，建立考虑三类影响因素的预测评价模型，预测划分采区各部分的突水危险程度，对煤矿水害进行了预测评价。优点：应用地球物理与采矿工程、水文地质相互交叉技术，为煤矿防治水与安全生产提供地质保障。
Description
技术领域
本发明涉及一种煤矿水害预测评价方法，特别是一种基于地震信息的煤矿水害预测评价方法。
背景技术
随着煤矿的深部开采，在生产中所遇到的各种问题也越来越突出，其中煤层顶底板突水是影响煤矿安全生产的灾害性问题。煤层顶底板突水是一种受许多因素控制的动态现象，主要因素有顶底板承压含水层、隔水层厚度与隔水能力、地质构造、采矿活动等。特别是在太原统灰岩或奥陶系灰岩作为煤系地层基底时，一般都存在含水层富水性强、水压高，隔水层薄，区内张裂性、张剪性断裂及陷落柱较发育的情况。在煤矿开采时，灰岩水往往借助于小断层或岩溶陷落柱等导水通道，突破煤层底板涌入矿井。
煤矿水害是煤炭生产中长期存在的一个严重问题。因此，为矿井防治水提供水文地质依据，对可能突水点进行预报，是当前煤矿生产中亟待解决的重要课题。
迄今为止，煤层顶底板突水的预测方法是传统水文地质学方法，如斯列萨列夫公式、突水系数法及“下三带理论”等。这些方法的共同缺点是所考虑的突水因素少，对于含水层富水性、隔水层厚度、地质构造的探测主要采用钻探和抽水试验，故预测精度较低，不能满足煤矿生产中对水文地质资料的要求。
从20世纪80年代起，各种地球物理勘探方法在煤矿地面水文地质调查中得到了广泛应用。时至今日，地球物理方法已经成为煤矿生产中必不可少的手段，并且在很大程度上替代了传统的水文地质方法。
当前，利用电磁勘探方法进行地面水文地质调查工作，有电阻率法、瞬变电磁法、可控源音频大地电磁测深法(CSAMT)等，解决的主要地质问题包括：
(1)勘探工作区的构造形态，断层、褶皱等地质构造的产状，追踪地质构造的延伸和展布方向，为划分水文地质单元、研究水文地质问题提供基础地质资料。
(2)探明矿区主要含水层和隔水层的埋深、层厚、产状和隐伏导水通道的位置；
(3)探明采区主要控水构造及岩溶、裂隙发育带、陷落柱的位置，并对其富水性进行评价；
(4)探明老窑采空区，圈定采空区积水范围。
电磁勘探方法存在的主要问题是具有体积勘探效应，无论是纵向分辨率还是横向分辨率均较低，同时受地面电磁干扰的影响较严重。
发明内容
本发明的目的是要提供一种基于地震信息的煤矿水害预测评价方法，解决传统方法都是从某一角度出发，考虑单一突水因素，预测精度较低的问题。
本发明的目的是这样实现的：该煤矿水害预测评价方法：把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质三个类别；利用多种岩性地震解释方法获得构造、岩性和水文地质信息并进行量化，建立考虑三类影响因素的预测评价模型，预测划分采区各部分的突水危险程度，对煤矿水害即煤层突水进行预测评价；所述的多种岩性地震解释方法包括地震属性、地震岩性反演、概率神经网络反演三种岩性解释方法。
所述的地震属性方法：地震属性为叠前、叠后地震数据中提取出来的运动学、动力学和统计学地震特征值；地震波中含有大量的地层构造信息，反映在密度、速度及其它弹性参量的差异上，这些差异导致了地震波在传播时间、振幅、相位、频率方面的变化或异常；对于地层中的小构造异常，用常规的人工识别方法往往是无能为力的，而利用地震属性可以对煤系地层的构造进行解释，查明断层、陷落柱和煤层的空间赋存形态。
所述的地震岩性反演方法：常规地震反演方法取决于目的层与围岩的波阻抗差异；在很多情况下，含、隔水层的波阻抗差异很小，甚至没有差异，根据波阻抗信息很难解决含、隔水层的层位对比问题；通常，含水层的视电阻率明显低于隔水层的视电阻率，因此，将密度测井曲线与视电阻率测井曲线进行融合获得拟密度测井曲线，作为约束条件进行多参数岩性反演；利用岩性反演信息，可以对含、隔水层进行层位识别和对比，查明含、隔水层的空间展布与厚度；所述的岩性为拟波阻抗。
所述的概率神经网络反演方法：根据已知测井资料和地震资料来获得某种新的测井曲线，因此，概率神经网络反演被视为反演方法的发展和延伸，利用概率神经网络反演方法可以获得孔隙度数据体和视电阻率数据体，利用煤系地层的岩性信息和水文地质信息，对煤层、含水层和隔水层的岩性和富水性进行解释。
所述的煤层突水影响因素及其量化：把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质三个类别；利用地震资料解释成果对三类煤层突水影响因素进行量化：
(1)利用地震属性方法获得的煤层构造解释成果，利用地震岩性反演方法获得的非煤层(含水层与隔水层)构造解释成果，生成构造突水隶属度A1(x1,x2,…,xn)；
(2)利用概率神经网络反演方法获得的岩性解释成果即孔隙度数据体，生成岩性突水隶属度A2(y1,y2,…,yn)；
(3)利用概率神经网络反演方法获得的岩性解释成果即视电阻率数据体，生成水文地质突水隶属度A3(z1,z2,…,zn)。
所述的煤层突水预测与评价模型：各影响因素的突水权值分别为a1、a1和a3，则测区内各点的突水隶属度为
t1=x1*a1+y1*a2+z1*a3
t2=x2*a1+y2*a2+z2*a3
t3=x3*a1+y3*a2+z3*a3(1)
┋
tn=xn*a1+yn*a2+zn*a3
利用(1)式可以获得测区的突水隶属度T(t1,t2,…,tn)，根据各点的突水隶属度值ti(i=1,2,…,n)进行突水危险程度的区段划分；突水隶属度的变化范围是0~1，将其设为10级，每一级增量步长为0.1；或将其设定为5级，每一级增量步长为0.2。
煤矿突水预测与评价模型的地质含义非常明确，即利用多个影响因素来分析评价煤矿水害；煤层突水评价是综合考虑三种影响因素的结果，评判突水危险性的基本准则为：
(1)把三种影响因素均有异常的区域，即具有强富水异常、煤系地层的构造和裂隙均发育的区域定义为强突水区，其突水概率最大；所述的强富水异常即低电阻率；所述的煤系地层的构造即可靠的断层或陷落柱；所述的裂隙均发育即低波阻抗或高孔隙度；
(2)把两种影响因素有异常的区域定义为较强突水区，如具有强富水异常、煤系地层的构造发育，但裂隙不发育的区域；或具有中富水异常，煤系地层的构造和裂隙非常发育的区域，其突水概率较大。
(3)把一种影响因素有异常的区域定义为弱突水区，如具有强富水异常、但煤系地层的构造、裂隙不发育的区域；或煤系地层的构造、裂隙发育，但仅有弱富水异常，其突水概率较小。
有益效果，由于采用了上述方案，使用地震属性、地震岩性反演和概率神经网络反演三种岩性地震方法，获得煤系地层的构造、岩性和水文地质信息并进行量化，综合考虑影响煤层突水的构造因素、岩性因素和水文地质因素，对煤层顶、底板突水的可能性进行评价。
优点：应用地球物理与采矿工程、水文地质相互交叉技术，为煤矿安全生产提供地质保障。
地震属性方法的优点：用人工识别地层的隐伏构造和岩性信息是非常困难的。利用地震属性，包括地震波的运动学、动力学和统计学特征，可以区分隐伏构造、岩性并进行目的层预测，查明断层、陷落柱和目的层的空间赋存形态。
地震岩性反演方法的优点：常规地震反演技术的应用条件取决于目的层与围岩的波阻抗(速度与密度)差异。在很多情况下，目的层与围岩的波阻抗差异很小，甚至没有差异，根据波阻抗信息很难解决地层对比问题。因此，可以利用其他物性(如视电阻率、自然伽马、自然电位)进行多参数岩性反演。利用岩性反演信息，可以对含、隔水层进行层位识别和对比，查明含、隔水层的空间展布与厚度。
概率神经网络反演方法优点：(1)能够预测多种测井曲线；(2)预测结果不受初始模型约束；(3)显著地提高预测结果的分辨率；(4)不需要对地震子波进行估计，减小了不稳定性；(5)通过交叉检验可确保预测结果的可靠性。利用概率神经网络反演方法可以获得孔隙度数据体和视电阻率数据体，利用煤系地层的岩性信息和水文地质信息，对煤层、含水层和隔水层的岩性和富水性进行解释。
附图说明：
图1(a)为本发明的3煤层底部20ms层段内平均波阻抗切片图。
图1(b)为本发明的3煤层顶部10ms层段内平均波阻抗切片图。
图1(c)为本发明的3煤层顶部20ms层段内平均波阻抗切片图。
图1(d)为本发明的3煤层顶部30ms层段内平均波阻抗切片图。
图1(e)为本发明的3煤层顶部40ms层段内平均波阻抗切片图。
图2(a)为本发明的3煤层下部20ms层段内平均视电阻率切片图。
图2(b)为本发明的3煤层顶部10ms层段内平均视电阻率切片图。
图3(a)为本发明的3煤层下部20ms层段内平均孔隙度切片图。
图3(b)为本发明的3煤层顶部10ms层段内平均孔隙度切片图。
图4为本发明的3煤层构造突水隶属度图。
图5(a)本发明的3煤层底板岩性和水文地质突水隶属度图。
图5(b)为本发明的3煤层顶板岩性和水文地质突水隶属度图。
具体实施方式
所述的基于地震信息的煤矿水害预测评价方法：包括地震属性、地震岩性反演、概率神经网络反演三种岩性解释方法；把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质等三个类别；利用多种岩性地震解释方法获得构造、岩性和水文地质信息并进行量化，建立考虑三类影响因素的预测评价模型，预测划分采区各部分的突水危险程度，对煤矿水害进行了预测评价。
所述的地震属性方法：地震属性为叠前、叠后地震数据中提取出来的运动学、动力学和统计学地震特征值。地震波中含有大量的地层构造信息，主要反映在密度、速度及其它弹性参量的差异上，这些差异导致了地震波在传播时间、振幅、相位、频率等方面的变化或异常。对于地层中的小构造异常，用常规的人工识别方法往往是无能为力的，而利用地震属性可以对煤系地层的构造进行解释，查明断层、陷落柱和煤层的空间赋存形态。
所述的地震岩性反演方法：常规地震反演方法取决于目的层与围岩的波阻抗差异。在很多情况下，含、隔水层的波阻抗差异很小，甚至没有差异，根据波阻抗信息很难解决含、隔水层的层位对比问题。通常，含水层的视电阻率明显低于隔水层的视电阻率。因此，将密度测井曲线与视电阻率测井曲线进行融合获得拟密度测井曲线，作为约束条件进行多参数岩性反演。利用岩性反演信息，可以对含、隔水层进行层位识别，查明含、隔水层的空间展布与厚度；所述的岩性为拟波阻抗；
所述的概率神经网络反演方法：根据已知测井资料和地震资料来获得某种新的测井曲线。因此，概率神经网络反演被视为反演方法的发展和延伸，利用概率神经网络反演方法可以获得孔隙度数据体和视电阻率数据体，利用煤系地层的岩性信息和水文地质信息，对煤层、含水层和隔水层的岩性和富水性进行解释。
其具有的独特优点可归纳为：(1)能够预测多种测井曲线；(2)预测结果不受初始模型约束；(3)显著地提高预测结果的分辨率；(4)不需要对地震子波进行估计，减小了不稳定性；(5)通过交叉检验可确保预测结果的可靠性。利用概率神经网络反演方法可以获得孔隙度数据体和视电阻率数据体，利用煤系地层的岩性信息和水文地质信息，对煤层、含水层和隔水层的岩性和富水性进行解释。
所述的煤层突水影响因素及其量化：把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质三个类别；利用地震资料解释成果对三类煤层突水影响因素进行量化：
(1)利用地震属性方法获得的煤层构造解释成果，利用地震岩性反演方法获得的非煤层(含水层与隔水层)构造解释成果，生成构造突水隶属度A1(x1,x2,…,xn)；
(2)利用概率神经网络反演方法获得的岩性解释成果即孔隙度数据体，生成岩性突水隶属度A2(y1,y2,…,yn)；
(3)利用概率神经网络反演方法获得的岩性解释成果即视电阻率数据体，生成水文地质突水隶属度A3(z1,z2,…,zn)。
所述的煤层突水预测与评价模型：各影响因素的突水权值分别为a1、a1和a3，则测区内各点的突水隶属度为
t1=x1*a1+y1*a2+z1*a3
t2=x2*a1+y2*a2+z2*a3
t3=x3*a1+y3*a2+z3*a3(1)
┋
tn=xn*a1+yn*a2+zn*a3
利用(1)式可以获得测区的突水隶属度T(t1,t2,…,tn)，根据各点的突水隶属度值ti(i=1,2,…,n)进行突水危险程度的区段划分。因为突水隶属度的变化范围是0~1，可以将其设为10级，每一级增量步长为0.1；也可将其设定为5级，每一级增量步长为0.2。
煤矿突水预测与评价模型的地质含义非常明确，即利用多个影响因素来分析评价煤矿水害；煤层突水评价是综合考虑三种影响因素的结果，评判突水危险性的基本准则为：
(1)把三种影响因素均有异常的区域，即具有强富水异常、煤系地层的构造和裂隙均发育的区域定义为强突水区，其突水概率最大；所述的强富水异常即低电阻率；所述的煤系地层的构造即可靠的断层或陷落柱；所述的裂隙均发育即低波阻抗或高孔隙度；
(2)把两种影响因素有异常的区域定义为较强突水区，如具有强富水异常、煤系地层的构造发育，但裂隙不发育的区域；或具有中富水异常，煤系地层的构造和裂隙非常发育的区域，其突水概率较大。
(3)把一种影响因素有异常的区域定义为弱突水区，如具有强富水异常、但煤系地层的构造、裂隙不发育的区域；或煤系地层的构造、裂隙发育，但仅有弱富水异常，其突水概率较小。
实施例1：淄博矿业集团葛亭煤矿的地质构造比较复杂，由于奥陶系灰岩是主要含水层,断层与陷落柱成为奥陶系灰岩强含水层和含煤地层之间的联系通道,存在严重的安全隐患，对煤矿安全生产危害极大。因此，查明采区内的构造分布、含水层与隔水层的厚度及分布等地质影响因素，为矿井防治水提供水文地质依据，对可能突水点进行预报，是当前葛亭煤矿生产中亟待解决的重要课题。
利用基于地震信息的煤矿水害预测评价方法对葛亭煤矿延深区东块段3煤层的突水危险性进行定量评价。
1.波阻抗反演结果
利用5个钻孔的数字测井资料作为约束条件进行波阻抗反演，图1是3煤层顶、底板的波阻抗切片，图1(a)是3煤层底部20ms层段内波阻抗的算术平均值；图1(b)、(c)、(d)和(e)分别是3煤层顶部10ms、20ms、30ms和40ms层段内波阻抗的算术平均值。根据地层速度v=3600m/s，1ms=1.8m。图1中，黄绿色代表低波阻抗数值，而紫色代表相对较高的波阻抗值。从波阻抗反演结果中可以有效控制岩浆岩侵入与煤层变焦区域，它是本区的主要含水层。
2.视电阻率反演结果
通过神经网络反演的视电阻率测井曲线能够基本模拟实际测井曲线的基本形态，约束井的实际视电阻率曲线与反演视电阻率曲线的平均相似系数达到0.80以上，而且在3煤层附近的拟合程度更加精确。因此，可以将经过训练的神经网络推广到全区，完成对视电阻率的反演。利用4个钻孔的数字测井资料作为约束条件进行视电阻率反演，图2是3煤层顶、底板的视电阻率切片，图2(a)是3煤层底部20ms层段内视电阻率的算术平均值；图2(b)是3煤层顶部10ms层段内视电阻率的算术平均值。从视电阻率反演结果中可以发现，煤层顶板的电阻率具有明显异常，同样对应着岩浆岩侵入与煤层变焦区域，即本区的主要含水层。
3.孔隙度反演结果
通过神经网络预测的孔隙度曲线能够很精确地模拟实际测井曲线，在5个钻孔处的两种曲线的平均相似系数达到0.94以上。这说明该神经网络是稳定的，其预测结果也是可信的。图3是3煤层顶、底板的孔隙度切片，图3(a)是3煤层底部20ms层段内孔隙度的算术平均值；图3(b)是3煤层顶部10ms层段内孔隙度的算术平均值。图3中，色标由浅蓝色到黄色代表孔隙度值的逐渐升高。从孔隙度反演结果中可以发现，煤层底板的孔隙度具有异常，而岩浆岩侵入与煤层变焦区域则没有异常反应。
4.构造突水隶属度
图4是3煤层构造突水隶属度，其中红色为可靠断层和陷落柱(突水隶属度为1)，蓝色为较可靠断层和陷落柱(突水隶属度为0.8)。
5.岩性和水文地质突水隶属度
通常，视电阻率值(量级为101~102)越低表示富水的可能性越大，孔隙度值(量级为10-1~100)越高表示裂隙越发育，则富水的可能性越大。首先，对视电阻率值取负值，即视电阻率绝对值越高则表示突水的可能性越大；然后，将视电阻率值与孔隙度值的乘积归一化到[0,1]之间，即可获得利用岩性信息(孔隙度)和水文地质信息(视电阻率)的预测成果——岩性和水文地质突水隶属度，该因子数值越大则表示煤层底板突水的可能性越大，见图5。
图5(a)是3煤层底板的岩性和水文地质突水隶属度图；图5(b)是3煤层顶板的岩性和水文地质突水隶属度图。图5中，岩性和水文地质突水隶属度的变化范围为[0,1]，深蓝色为强富水区，其突水的可能性很大；而浅蓝色区域突水可能性次之；其他颜色区域可认为基本不存在突水可能性。
6.突水可能性的预测结果
利用煤系地层的构造、岩性和水文地质信息进行突水危险性定量评价，首先要确定影响突水的单因素权值，其中构造突水隶属度权值为0.3，岩性与水文地质因素突水隶属度权值为0.7。
利用突水预测与评价模型和影响突水单因素的分配权值，获得综合多种因素的突水隶属度。
Claims (4)
1.一种基于地震信息的煤矿水害预测评价方法，其特征是：该煤矿水害预测评价方法：把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质三个类别，利用多种岩性地震解释方法获得构造、岩性和水文地质信息并进行量化，建立考虑三类影响因素的预测评价模型，预测划分采区各部分的突水危险程度，对煤矿水害即煤层突水进行预测评价；所述多种岩性地震解释方法包括地震属性、地震岩性反演、概率神经网络反演三种岩性解释方法，所述的地震岩性反演方法：将密度测井曲线与视电阻率测井曲线进行融合获得拟密度测井曲线，作为约束条件进行多参数岩性反演，利用岩性反演信息，能对含水层与隔水层进行层位识别，查明含水层与隔水层的空间展布与厚度，所述的岩性为拟波阻抗；所述的概率神经网络反演方法：根据已知测井资料和地震资料来获得新的测井曲线，因此，概率神经网络反演被视为反演方法的发展和延伸，利用概率神经网络反演方法能获得孔隙度数据体和视电阻率数据体，利用煤系地层的岩性信息和水文地质信息，对煤层、含水层和隔水层的岩性和富水性进行解释；所述煤层突水影响因素及其量化：把影响煤层顶底板突水的影响因素归结为构造、岩性和水文地质三个类别，利用地震资料解释成果对三类煤层突水影响因素进行量化：
(1)利用地震属性方法获得的煤层构造解释成果，利用地震岩性反演方法获得的含水层与隔水层构造解释成果，生成构造突水隶属度A1(x1,x2,…,xn)，
(2)利用概率神经网络反演方法获得的岩性解释成果即孔隙度数据体，生成岩性突水隶属度A2(y1,y2,…,yn)，
(3)利用概率神经网络反演方法获得的岩性解释成果即视电阻率数据体，生成水文地质突水隶属度A3(z1,z2,…,zn)。
2.根据权利要求1所述的一种基于地震信息的煤矿水害预测评价方法，其特征是：所述地震属性方法：地震属性为叠前、叠后地震数据中提取出来的运动学、动力学和统计学地震特征值；地震波中含有大量的地层构造信息，反映在密度、速度的差异上，这些差异导致了地震波在传播时间、振幅、相位、频率方面的变化或异常；对于地层中的小构造异常，利用地震属性能对煤系地层的构造进行解释，查明断层、陷落柱和煤层的空间赋存形态。
3.根据权利要求1所述的一种基于地震信息的煤矿水害预测评价方法，其特征是：所述煤层突水预测评价模型：各影响因素的突水权值分别为a1、a2和a3，则测区内各点的突水隶属度为
t1＝x1*a1+y1*a2+z1*a3
t2＝x2*a1+y2*a2+z2*a3
t3＝x3*a1+y3*a2+z3*a3(1)
·
·
·
·
tn＝xn*a1+yn*a2+zn*a3
利用(1)式能获得测区的突水隶属度T(t1,t2,…,tn)，根据各点的突水隶属度值ti，i＝1,2,…,n，进行突水危险程度的区段划分；突水隶属度的变化范围是0～1，将其设为10级，每一级增量步长为0.1；或将其设定为5级，每一级增量步长为0.2。
4.根据权利要求1所述的一种基于地震信息的煤矿水害预测评价方法，其特征是：煤矿突水预测评价模型的地质含义即利用多个影响因素来分析评价煤矿水害；煤层突水评价是综合考虑三种影响因素的结果，评判突水危险性的基本准则为：
(1)把三种影响因素均有异常的区域，即具有强富水异常、煤系地层的构造和裂隙均发育的区域定义为强突水区，其突水概率最大；所述的强富水异常即低电阻率；所述的煤系地层的构造即可靠的断层或陷落柱；所述的裂隙均发育即低波阻抗或高孔隙度；
(2)把两种影响因素有异常的区域定义为较强突水区，所述较强突水区包括具有强富水异常、煤系地层的构造发育，但裂隙不发育的区域；或具有中富水异常，煤系地层的构造和裂隙非常发育的区域，其突水概率较大；
(3)把一种影响因素有异常的区域定义为弱突水区，所述弱突水区包括具有强富水异常、但煤系地层的构造、裂隙不发育的区域；或煤系地层的构造、裂隙发育，但仅有弱富水异常，其突水概率较小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510316126.4A CN105223612B (zh) | 2015-06-10 | 2015-06-10 | 一种基于地震信息的煤矿水害预测评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510316126.4A CN105223612B (zh) | 2015-06-10 | 2015-06-10 | 一种基于地震信息的煤矿水害预测评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105223612A CN105223612A (zh) | 2016-01-06 |
| CN105223612B true CN105223612B (zh) | 2018-08-14 |
Family
ID=54992667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510316126.4A Active CN105223612B (zh) | 2015-06-10 | 2015-06-10 | 一种基于地震信息的煤矿水害预测评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105223612B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107102379A (zh) * | 2016-02-19 | 2017-08-29 | 师素珍 | 一种基于多属性反演进行煤层底板富水性预测的方法 |
| CN106199708B (zh) * | 2016-06-29 | 2018-09-14 | 山西省煤炭地质物探测绘院 | 一种城区含煤构造地球物理预测方法与装置 |
| CN108104876B (zh) * | 2017-12-05 | 2019-03-22 | 中煤科工集团西安研究院有限公司 | 基于矿井电法监测的水害实时分级预警方法及系统 |
| CN108387948B (zh) * | 2018-01-23 | 2020-08-04 | 华北科技学院 | 煤层底板水危险源区域定位方法及装置 |
| CN112147679B (zh) * | 2019-06-26 | 2024-04-16 | 中国石油化工股份有限公司 | 在模糊逻辑框架下基于弹性参数的岩性预测方法和装置 |
| CN110359895B (zh) * | 2019-07-24 | 2021-06-08 | 陕西煤业化工技术研究院有限责任公司 | 一种非均质巨厚砂岩水平井分段压裂的探放水方法 |
| CN113464197B (zh) * | 2020-03-30 | 2022-10-25 | 中国矿业大学(北京) | 一种矿井水害应急管理方法和系统 |
| CN111580181B (zh) * | 2020-04-22 | 2021-07-20 | 中国矿业大学(北京) | 一种基于多场多特征信息融合的导水陷落柱识别方法 |
| CN112068221B (zh) * | 2020-09-07 | 2023-09-08 | 中国煤炭地质总局地球物理勘探研究院 | 一种煤层富水性分析方法 |
| CN112132454B (zh) * | 2020-09-22 | 2023-09-01 | 中国矿业大学 | 一种煤层顶板或底板含水层富水性综合评价方法 |
| CN113341459B (zh) * | 2021-05-12 | 2022-04-12 | 北京大学 | 基于机器学习和动力学计算融合的地震定位方法与设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3012889B1 (fr) * | 2013-11-05 | 2017-10-20 | Total Sa | Procede et dispositif de traitement de signaux sismiques |
| CN104111474B (zh) * | 2014-04-16 | 2016-08-24 | 张远银 | 一种基于线性混合的叠前弹性参数反演实现的储层与流体预测方法 |
-
2015
- 2015-06-10 CN CN201510316126.4A patent/CN105223612B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105223612A (zh) | 2016-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105223612B (zh) | 一种基于地震信息的煤矿水害预测评价方法 | |
| Hennings et al. | Relationship between fractures, fault zones, stress, and reservoir productivity in the Suban gas field, Sumatra, Indonesia | |
| Antonellini et al. | A natural analog for a fractured and faulted reservoir in dolomite: Triassic Sella Group, northern Italy | |
| Loucks | Paleocave carbonate reservoirs: origins, burial-depth modifications, spatial complexity, and reservoir implications | |
| Rutledge et al. | Reservoir characterization using oil-production-induced microseismicity, Clinton County, Kentucky | |
| Saller et al. | Characteristics of Pleistocene deep-water fan lobes and their application to an upper Miocene reservoir model, offshore East Kalimantan, Indonesia | |
| Zhao et al. | Carbonate karst reservoirs of the Tarim Basin, northwest China: Types, features, origins, and implications for hydrocarbon exploration | |
| Milad et al. | Impact of lithofacies variations and structural changes on natural fracture distributions | |
| Chen et al. | Geophysical interpretation of a subsurface landslide in the Southern Qinshui Basin | |
| Slatt | Fluvial deposits and reservoirs | |
| Aghli et al. | Structural and fracture analysis using EMI and FMI image Log in the carbonate Asmari reservoir (Oligo-Miocene), SW Iran | |
| Ouenes et al. | Practical use of neural networks in tight gas fractured reservoirs: application to the San Juan Basin | |
| Verdon et al. | Monitoring carbon dioxide storage using passive seismic techniques | |
| Kimple et al. | Stratigraphy and Porosity Modeling of South-Central Illinois (USA) chester (upper mississippian) series sandstones using petrel | |
| Abbaszadeh et al. | Development of an integrated reservoir model for a naturally fractured volcanic reservoir in China | |
| Hurley et al. | Structural and stratigraphic compartments in a horizontal well drilled in the eolian Tensleep Sandstone, Byron field, Wyoming | |
| Leetaru et al. | An integrated approach to evaluating the suitability of the Potosi Dolomite as a carbon sequestration target | |
| Doyle et al. | The" Gypsyy" Field Research Program in Integrated Reservoir Characterization | |
| Zulkipli et al. | The Guiding Principle of Well Placement to Maximise Hydrocarbon Recovery through Enhanced Reservoir Characterisation and Prolific Seismic-Driven Approaches | |
| Plaisant et al. | The Sulcis Fault Lab for experimental studies on CO2 migration through a fault | |
| Macaluso et al. | Perched Water-Identification and Production Behavior In A Real Case | |
| Hillman | Integrating Full-Bore Formation Micro-Imager (FMI) Data for Niobrara Reservoir Characterization, Postle Area, Wattenberg Field, Colorado, USA | |
| Liu et al. | The Role of Geophysics in the Shale Gas Geology and Engineering Integration | |
| Wang et al. | Super-large scale horizontal well position optimization method and infilling practice in high water-cut large complex fluvial reservoir based on multidisciplinary innovative techniques | |
| Bergigh et al. | Modeling Heterogeneity of Glacial Reservoir Using Geostatistical Approach: A Case Study, Southwest Libya |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |