CN113240246A - 基于灰色关联法确定煤层含气量主控因素的方法和装置 - Google Patents

Abstract

本发明提供一种基于灰色关联法确定煤层含气量主控因素的方法和装置，其方法包括：确定并获取k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；依据煤层含气量和影响含气量的各因素的各个参数确定参考序列和比较序列；依据参考序列和比较序列确定各个采样点的煤层含气量与各个影响含气量的各因素关联系数；依据煤层含气量与各个影响含气量的各因素关联系数，得到相应的关联系数序列，并依据关联系数序列确定影响含气量的各因素与煤层含气量的关联度；对上述关联度进行排序，确定关联度最大的因素为主控因素。本发明通过利用灰色关联法能够定量计算出影响煤层含气量的因素与煤层含气量的关联度，进而确定主控因素。

Description

基于灰色关联法确定煤层含气量主控因素的方法和装置

技术领域

本发明涉及矿业工程技术领域，尤其涉及一种基于灰色关联法确定煤层含气量主控因素的方法和装置。

背景技术

现有技术中，对于煤层含气性与影响煤层含气量的控制因素的关联度研究的方法主要是线性回归法。一般常用线性回归法表示煤层含气量与埋深、煤层厚度以及水分、灰分等煤质因素之间的关系，但对于一些非定量因素如背斜、断层等构造特征，利用线性方程难以表达它们之间的内在联系。

现有技术存在以下不足：线性回归法侧重于定性分析，缺乏定量研究，难以确定主控因素。

发明内容

本发明提供一种基于灰色关联法确定煤层含气量主控因素的方法和装置，用以解决现有技术中不能煤层含气量与地质因素之间关系进行定量研究，难以确定影响煤层含气量主控因素的缺陷，实现对影响煤层含气量的因素与煤层含气量之间的量化分析，进而确定影响煤层含气量的主控因素。

第一方面，本发明提供一种基于灰色关联法确定煤层含气量主控因素的方法，包括：

确定待研究区含煤层的k个采样点；

获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述影响含气量的各因素具体包括：

煤的构造特征、埋藏深度、顶板厚度、煤变质程度、水文特征、煤厚、水分含量和灰分含量。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，确定所述影响含气量的各因素的各个参数的方法，包括：

对所述煤的构造特征与所述水文特征进行综合评价并赋值；

其中，所述煤的构造特征根据所述研究区的断层带和褶皱发育情况做出综合评价，根据所述褶皱与气体富集之间的关系，依据不同褶皱的不同富气能力进行相应赋值：赋值向斜轴部为第一数值，缓倾斜带为第二数值，陡倾斜带为第三数值，背斜轴部为第四数值；对断层带依据封闭性幅值为第五数值；

对煤层所述研究区的所述水文特征依据矿化度赋值为第六数值；

所述埋藏深度、所述顶板厚度、所述煤变质程度、所述煤厚、所述水分含量和所述灰分含量因素按实际数值确定。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，对对所述参考序列和比较序列确定相应数值之后，还包括：

采用均一化法对所述相应数值进行处理。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述采用均一化法对所述实际数值进行处理包括：

根据第一关系模型，采用均一化法对所述实际数值进行处理，所述第一关系模型为：

其中，x’_i(k)为x_i(k)归一化后的数据，k＝1,2…10；i＝0,1,2…8；x_i(k)为第i个所述煤层含气量影响因素在第k个采样点的数值，k＝1,2…10；i＝1,2…8；N表示采样点的个数。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述依据所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数包括：

根据第二关系模型，所述确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数，所述第二关系模型为：

其中，ε_oi(k)为含气量与第i个影响因素在第k个采样点上的关联系数，|x₀(k)-x_i(k)|为所述参考序列与所述比较序列之间的差值并取绝对值；

分别为所述参考序列和所述比较序列之间的最大绝对差值和最小绝对差值，i＝0,1,2…8；k＝1,2…10；ρ为分辨系数。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度包括：

根据第三关系模型，采用平均值法对所述关联系数进行处理，所述第三关系模型为：

其中，r_oi为含气量与第i个影响因素的关联度，n为样品数。

第二方面，本发明提供一种基于灰色关联法确定煤层含气量主控因素的装置，包括：

第一处理模块，用于确定待研究区含煤层的k个采样点；

第二处理模块，用于获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

第三处理模块，用于依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

第四处理模块，用于依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

第五处理模块，用于依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

第六处理模块，用于依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于灰色关联法确定煤层含气量主控因素的方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于灰色关联法确定煤层含气量主控因素的方法的步骤。

本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法和装置，通过确定待研究区含煤层的k个采样点并获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；进而依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；进而依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；同时，依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，即将获得到各个关联系数按照比较序列的排序方式进行重新排列。再然后，依据排序后的关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；进一步，依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，得到不同关联度之间的大小关系，从而，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。通过本发明的方法和装置能够确定定量研究各个影响煤层含气量的因数与煤层含气量之间的关系，从而判断出不同因素对煤层含气量的影响大小，进而判断出影响煤层含气量的主控因素。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于灰色关联法确定煤层含气量主控因素的方法的流程示意图；

图2是本发明提供的基于灰色关联法确定煤层含气量主控因素的装置的结构示意图；

图3是本发明提供的电子设备的结构示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1描述本发明提供的实施例中，一种基于灰色关联法确定煤层含气量主控因素的方法，包括：

步骤100：确定待研究区含煤层的k个采样点；

步骤200：获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

步骤300：依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

步骤400：依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

步骤500：依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

步骤600：依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

具体地，灰色关联评价的目的是定量表征系统主行为与影响该行为的各个因素之间的关联程度，以找到影响系统态势的各主要因素，以此来掌握行为变化的趋势特征。由于灰色关联分析对样品的数量和选择没有具体的要求，计算过程较为简单、计算量不大等一些优点得到了广泛的应用。灰色关联法本质上是通过比较序列和参考序列之间的曲线相似程度来衡量两者的关联性。含气量是一个被多种因素所影响控制的参数，这些因素既有已知的，也有未知的，而且这些影响因素是一个系统变化的过程，因此含气量可以作为一个灰色系统。可用灰色系统理论对煤层含气量进行研究和分析，以寻找到影响含气量的主控因素。

首先，本发明步骤100中对待研究区的含煤层依据地质开采标准确定k个采样点，比如确定采样点的数量为10个，则所选取的10个采样点具有代表性，能够代表整个待研究区域的整体特征。

在步骤200中，对上述步骤中确定的采样点进行采样，由于煤是一种具备孔-裂隙双重结构的多孔隙介质能够吸附气体，所以，根据采样获得的样本能确定该采样点处的煤层含气量。同时对采样点的地质特征和煤层特点进行分析，选择其中能够影响煤层含气量的因素作为本发明进行关联度分析的对象。在确定完能够影响煤层含气量的因素后，进而确定各个因素的参数。

在步骤300中，将在不同采样点获取的煤层含气量组成参考序列，用x₀表示煤层含气量参考序列，则k个采样点的每一个采样点的煤层含气量可表示为x₀(k)，则同时，参考序列x₀可以表示为：

x₀＝{x₀(1),x₀(2),…,x₀(k)}

另外，步骤200中确定了影响煤层含量的不同因素的种类，比如所述种类为m种，则对于每一个采样点的影响煤层含气量的因素有m种，获取每个采样点的m种因素影响煤层含气量的数值。则依据每一种影响因素为标准，可以获取m个针对k个采样点的比较序列。如果用x_i表示一个比较序列，即i表示m种影响煤层含气量因素中的一种，则比较序列x_i可以表示为：

x_i＝{x_i(1),x_i(2),…,x_i(k)}

其中，x_i(k)为第i个影响因素在第k个采样点的数值，并且i的取值范围为1到m中的自然数。通过上述过程，可以得到一个参考序列和与影响煤层含气量因素数量相等的比较序列。

在步骤400中，由于步骤300获取的是影响煤层含气量的不同因素所对应的数值，并没有在煤层含气量与影响因素的数值之间加建立关联关系。因此通过对前文中的参考序列和比较序列中的各个数值进行转化，进而在转化后的数值之间建立煤层含气量与各个影响煤层含气量的因素之间的关联系数。以ε_oi(k)表示煤层含气量与第i个影响因素在第k个采样点上的关联系数。则每一个采样点上可以得到m各关联系数，分别与不同的影响因素相对应。

在步骤500中，将步骤400中获取的每一个采样点的不同影响因素与煤层含气量的关联系数，替换相应影响因素的比较序列中对应的采样点的影响因素的数值，得到关联系数序列。举例说明，以影响煤层含气量的因素p为例，经过步骤200后，可以得到k个影响因素P所对应的参数，经过步骤300后，可以得到一个和因素p对应的比较序列，可以表示为：

x_p＝{x_p(1),x_p(2),…,x_p(k)}

由于x_p(k)对应的是不同的参数，并不是表示煤层含气量与因素p之间的关联系数，因此在经过步骤400之后，可以将不同的参数转化为该参数在不同的采样点上煤层含气量与该影响因素之间的关联系数。同时，由于得到的各个关联系数是独立的，因此，将同一影响因素在不同采样点上的关联系数按照上述比较序列的形式转化为关联系数序列，对于因素p而言，即将参数x_p(k)替换为其对应的关联系数。

继而，基于上述得到的关联系数序列，进行相应的处理，得到该因素与煤层含气量之间的关联度。

在步骤600中，对步骤500中得到的与各个影响因素对应的关联度进行排序。以m个影响因素为例，在步骤500中获得m个关联度数值，分别与各个影响因素相对应，进而对m个关联度按照从大到小进行排序，则可以判断排在最前面的关联度所对应的影响因素这是对煤层含气量产生影响的主控因素。排在之后的，则是对煤层含气量存在次之影响的因素。

本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法和装置，通过确定待研究区含煤层的k个采样点并获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；进而依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；进而依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；同时，依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，即将获得到各个关联系数按照比较序列的排序方式进行重新排列。再然后，依据排序后的关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；进一步，依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，得到不同关联度之间的大小关系，从而，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。通过本发明的方法和装置能够确定定量研究各个影响煤层含气量的因数与煤层含气量之间的关系，从而判断出不同因素对煤层含气量的影响大小，进而判断出影响煤层含气量的主控因素。

进一步，根据本发明提供实施例中，其中，所述影响含气量的各因素具体包括：

煤的构造特征、埋藏深度、顶板厚度、煤变质程度、水文特征、煤厚、水分含量和灰分含量。

进一步，基于上述实施例的内容，在实施例中，确定所述影响含气量的各因素的各个参数的方法，包括：

对所述煤的构造特征与所述水文特征进行综合评价并赋值；

其中，所述煤的构造特征根据所述研究区的断层带和褶皱发育情况做出综合评价，根据所述褶皱与气体富集之间的关系，依据不同褶皱的不同富气能力进行相应赋值：赋值向斜轴部为第一数值，缓倾斜带为第二数值，陡倾斜带为第三数值，背斜轴部为第四数值；对断层带依据封闭性幅值为第五数值；

对煤层所述研究区的所述水文特征依据矿化度赋值为第六数值；

所述埋藏深度、所述顶板厚度、所述煤变质程度、所述煤厚、所述水分含量和所述灰分含量因素按实际数值确定。

具体地，前文中影响煤层含气量的各个因素所形成的比较序列分为无量纲参数和有量纲参数，其中，具体可表示为煤的构造特征、水文特征、埋藏深度(m)、顶板厚度(m)、煤变质程度(％)、煤厚(m)、水分含量(％)、灰分含量(％)。

比较序列无量纲的参数包括煤的构造特征与水文特征，需要对其进行综合评价并赋值。其中煤的构造特征根据研究区的断层和褶皱发育情况做出综合评价，根据褶皱与气体富集之间的关系，依据不同褶皱的不同富气能力进行相应幅值，越利于富气的部位赋值越高。即依据向斜轴部、缓倾斜带、陡倾斜带以及背斜轴部等的不同的富气能力进行赋值，并且依照其富气能力的减弱分别赋第一数值、第二数值、第三数值和第四数值。比如，在本实施例中可以赋值向斜轴部为5，缓倾斜带为4，陡倾斜带为3，背斜轴部为2。而断层带根据分析其封闭性，由于其封闭性较好，有利于煤层富气，因此对这样的地质构造赋值第五数值，比如，在本实施例中，对断层带进行赋值3-4，具体选择哪一个数值则是根据具体情况进行判断，其中封闭性高的赋值4，低的赋值3。

水文特征则是指根据矿化度分布所显示的规律对不同的煤层进不同赋值，其中，矿化度高的煤层部位赋较大值，矿化度低的煤层部位赋值较小。在本发明实施例中将矿化度划分为5个等级，分别对应1-5之间的一个值，当然，也可以对划分为其他数值等级，本发明不予限定。

除构造特征、水文特征，其他因素按实际数值填写，即按照实际测量的结果确定埋藏深度(m)、顶板厚度(m)、煤变质程度(％)、煤厚(m)、水分含量(％)、灰分含量(％)的相应数值。

进一步，基于上述实施例的内容，在实施例中，对所述参考序列和比较序列确定相应数值之后，还包括：

采用均一化法对所述相应数值进行处理。

具体地，归一化处理可以使各原始变量序列无量纲化，使得数据处于同一个数量级，便于运算比较。归一化处理常用的有初始值化法、均一化法、区间值化法、极差值化法等。

本发明实施例中，灰色关联分析法能够更为灵活地对统计数据进行综合分析，并且针对不同量纲数据之间无法比较的缺点运用一定的数学方法消除量纲，从定性过渡到定量分析，从而判断出不同因素对煤层含气量的影响大小，进而判断出影响煤层含气量的主控因素。

进一步，基于上述实施例的内容，在实施例中，所述采用均一化法对所述实际数值进行处理包括：

根据第一关系模型，采用均一化法对所述实际数值进行处理，所述第一关系模型为：

其中，x’_i(k)为x_i(k)归一化后的数据，k＝1,2…10；i＝0,1,2…8；x_i(k)为第i个所述煤层含气量影响因素在第k个采样点的数值，k＝1,2…10；i＝1,2…8；N表示采样点的个数。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述依据所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数包括：

根据第二关系模型，所述确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数，所述第二关系模型为：

其中，ε_oi(k)为含气量与第i个影响因素在第k个采样点上的关联系数，|x₀(k)-x_i(k)|为所述参考序列与所述比较序列之间的差值并取绝对值；

分别为所述参考序列和所述比较序列之间的最大绝对差值和最小绝对差值，i＝0,1,2…8；k＝1,2…10；ρ为分辨系数。并且，在本实施例中，ρ取值为0-1之间，一般取0.5。

进一步，根据本发明提供的一种基于灰色关联法确定煤层含气量主控因素的方法，其中，所述依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度包括：

根据第三关系模型，采用平均值法对所述关联系数进行处理，所述第三关系模型为：

其中，r_oi为含气量与第i个影响因素的关联度，n为样品数。继而，对所得到的多个关联度依据数值大小进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

结合图2，本发明实施例中提供一种基于灰色关联法确定煤层含气量主控因素的装置，包括：

第一处理模块21，用于确定待研究区含煤层的k个采样点；

第二处理模块22，用于获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

第三处理模块23，用于依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

第四处理模块24，用于依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

第五处理模块25，用于依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

第六处理模块26，用于依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

由于本发明实施例提供的装置，可以用于执行上述实施例所述的方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。

图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行一种基于灰色关联法确定煤层含气量主控因素的方法，该方法包括：确定待研究区含煤层的k个采样点；获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的一种基于灰色关联法确定煤层含气量主控因素的方法，该方法包括：确定待研究区含煤层的k个采样点；获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的一种基于灰色关联法确定煤层含气量主控因素的方法，该方法包括：确定待研究区含煤层的k个采样点；获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，包括：

确定待研究区含煤层的k个采样点；

获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

2.根据权利要求1所述的基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，所述影响含气量的各因素具体包括：

煤的构造特征、埋藏深度、顶板厚度、煤变质程度、水文特征、煤厚、水分含量和灰分含量。

3.根据权利要求2所述的基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，确定所述影响含气量的各因素的各个参数的方法，包括：

对所述煤的构造特征与所述水文特征进行综合评价并赋值；

其中，所述煤的构造特征根据所述研究区的断层带和褶皱发育情况做出综合评价，根据所述褶皱与气体富集之间的关系，依据不同褶皱的不同富气能力进行相应赋值：赋值向斜轴部为第一数值，缓倾斜带为第二数值，陡倾斜带为第三数值，背斜轴部为第四数值；对断层带依据封闭性幅值为第五数值；

对煤层所述研究区的所述水文特征依据矿化度赋值为第六数值；

所述埋藏深度、所述顶板厚度、所述煤变质程度、所述煤厚、所述水分含量和所述灰分含量因素按实际数值确定。

4.根据权利要求1所述的一种基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，对所述参考序列和比较序列确定相应数值之后，还包括：

采用均一化法对所述相应数值进行处理。

5.根据权利要求4所述的一种基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，所述采用均一化法对所述实际数值进行处理包括：

根据第一关系模型，采用均一化法对所述实际数值进行处理，所述第一关系模型为：

其中，x’_i(k)为x_i(k)归一化后的数据，k＝1,2…10；i＝0,1,2…8；x_i(k)为第i个所述煤层含气量影响因素在第k个采样点的数值，k＝1,2…10；i＝1,2…8；N表示采样点的个数。

6.根据权利要求1所述的一种基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，所述依据所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数包括：

根据第二关系模型，所述确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数，所述第二关系模型为：

其中，ε_oi(k)为含气量与第i个影响因素在第k个采样点上的关联系数，|x₀(k)-x_i(k)|为所述参考序列与所述比较序列之间的差值并取绝对值；

分别为所述参考序列和所述比较序列之间的最大绝对差值和最小绝对差值，i＝0,1,2…8；k＝1,2…10；ρ为分辨系数。

7.根据权利要求1所述的一种基于灰色关联法确定煤层含气量主控因素的方法，其特征在于，所述依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度包括：

根据第三关系模型，采用平均值法对所述关联系数进行处理，所述第三关系模型为：

其中，r_oi为含气量与第i个影响因素的关联度，n为样品数。

8.一种基于灰色关联法确定煤层含气量主控因素的装置，其特征在于，包括：

第一处理模块，用于确定待研究区含煤层的k个采样点；

第二处理模块，用于获取所述k个采样点对应的煤层含气量和影响含气量的各因素的各个参数；

第三处理模块，用于依据所述煤层含气量和所述影响含气量的各因素的各个参数确定参考序列和比较序列；

第四处理模块，用于依据所述参考序列和所述比较序列确定各个所述采样点的所述煤层含气量与各个所述影响含气量的各因素关联系数；

第五处理模块，用于依据所述煤层含气量与各个所述影响含气量的各因素关联系数，得到相应的关联系数序列，并依据所述关联系数序列确定所述影响含气量的各因素与所述煤层含气量的关联度；

第六处理模块，用于依据所述影响含气量的各因素与所述煤层含气量的关联度进行排序，确定关联度最大的因素为主控因素，关联度次之的为次主控因素。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

Images