郭建宏，杜婷，張占松，肖航，秦瑞寶，余杰，王燦

(1.長江大學(xué) 地球物理與石油資源學(xué)院，湖北 武漢 430100; 2.長江大學(xué) 油氣資源與勘探技術(shù)教育部重點實驗室，湖北 武漢 430100; 3.中海油研究總院，北京 100027; 4.湖北省地質(zhì)局 水文地質(zhì)工程地質(zhì)大隊，湖北 荊州 434020)

0 引言

我國煤炭資源豐富且擁有廣闊的開發(fā)前景，煤層氣勘探也是近年來非常規(guī)油氣資源開發(fā)的重點研究方向[1-2]。煤巖煤體結(jié)構(gòu)的多樣性與復(fù)雜性一直是煤層氣資源開發(fā)的制約因素[3]，不同煤體結(jié)構(gòu)對煤層的儲氣能力、吸附能力，物性、巖石力學(xué)性質(zhì)及后續(xù)開采中壓裂等施工方案存在較大影響[4-7]，因而有效評價、預(yù)測煤體結(jié)構(gòu)對煤層氣開發(fā)尤為關(guān)鍵。

最早識別煤體結(jié)構(gòu)相對直接有效的方法有煤心編錄或井下直接判別，但煤層取心過程中由于其機械強度差容易破碎，取心率低，且煤井下條件受限，因而這類相對直接的方法獲得的巖心數(shù)據(jù)等資料完整度差且資料數(shù)量受限[8]。地球物理測井技術(shù)在煤體結(jié)構(gòu)識別中的應(yīng)用也一直是研究熱點[9]，相對于利用AVO反演[10]等三維地震技術(shù)劃分煤體結(jié)構(gòu)的高成本方法，地球物理測井技術(shù)具有連續(xù)性強、可靠性高且性價比突出的優(yōu)勢，并且已取得了較為豐碩的成果，這類方法總體可概括為三大類，分別為曲線形態(tài)分析法，定量計算法與數(shù)學(xué)統(tǒng)計法。曲線形態(tài)分類法即是早期學(xué)者利用煤層測井資料呈現(xiàn)的響應(yīng)趨勢結(jié)合取心實驗結(jié)果，繪制圖版[11]，二分類[12]等方法識別原生煤與構(gòu)造煤，取得了一定效果。定量計算法是在測井曲線形態(tài)分析法的基礎(chǔ)上，將定性與定量方法相結(jié)合，這類方法相比曲線形態(tài)分析法能提升煤體結(jié)構(gòu)識別精度，例如利用地球物理測井資料與煤巖骨架參數(shù)計算煤體結(jié)構(gòu)指數(shù)[13]，以及利用電阻率與井徑測井資料響應(yīng)變化結(jié)合其他測井資料進行煤體結(jié)構(gòu)識別[14]。也有學(xué)者分析地球物理測井資料在不同煤體結(jié)構(gòu)段的響應(yīng)差異，結(jié)合實驗參數(shù)及響應(yīng)機理找到對應(yīng)區(qū)塊趨勢，并以此為基礎(chǔ)，結(jié)合公式構(gòu)建新的評價參數(shù)，例如CI指數(shù)法[15]等這類方法，這類方法多以放大不同煤體結(jié)構(gòu)在測井資料響應(yīng)上的差異為主。數(shù)學(xué)統(tǒng)計法目前也被較多地引入煤層煤體結(jié)構(gòu)識別，主要包括多元回歸法與機器學(xué)習(xí)法。多元回歸法中有學(xué)者將地質(zhì)強度因子(GSI)引入并利用多元回歸建模以識別煤體結(jié)構(gòu)[16]，或利用對應(yīng)分析技術(shù)識別多類煤體結(jié)構(gòu)[17]等，但煤層極其復(fù)雜，對應(yīng)地球物理測井資料響應(yīng)受眾多因素影響，其與煤體結(jié)構(gòu)為非線性關(guān)系。機器學(xué)習(xí)方法對非線性問題有明顯優(yōu)勢[18]，目前已有學(xué)者將機器學(xué)習(xí)應(yīng)用于煤體結(jié)構(gòu)識別中，主要使用BP神經(jīng)網(wǎng)絡(luò)法，例如將煤體結(jié)構(gòu)與聲波測井等資料構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型[19]，或通過因子分析對地球物理測井資料中的曲線進行優(yōu)選后，結(jié)合地質(zhì)強度因子與地球物理測井資料的BP神經(jīng)網(wǎng)絡(luò)模型[20]。

相比之下，在定性識別煤體結(jié)構(gòu)的研究中，地球物理測井資料體現(xiàn)出的規(guī)律性可適用于同煤階的多區(qū)塊，但準確性相對較低；定量識別法能有效提高精度，但這一方法由于區(qū)塊間地球物理測井資料呈現(xiàn)的響應(yīng)差異難以進行推廣，泛化性較差；數(shù)學(xué)統(tǒng)計法對樣本數(shù)據(jù)量要求相對較大，難以表征復(fù)雜變量與目標間的非線性關(guān)系；BP神經(jīng)網(wǎng)絡(luò)在非線性逼近關(guān)系上存在優(yōu)勢，但也存在對樣本需求量大、參數(shù)選擇復(fù)雜、目標函數(shù)優(yōu)化過程繁瑣且易出現(xiàn)過擬合現(xiàn)象的缺點。煤層由于機械強度差導(dǎo)致取心率低，對應(yīng)資料數(shù)量少，結(jié)合前人利用支持向量機(Support Vector Machine，以下簡稱SVM)這一對數(shù)據(jù)量要求較小的算法在煤層參數(shù)評價中取得良好的應(yīng)用效果[21]，本文將SVM結(jié)合地球物理測井資料對煤體結(jié)構(gòu)進行評價識別，并對該方法的有效性進行評價。

1 工區(qū)概況及數(shù)據(jù)分析

煤體結(jié)構(gòu)是宏觀上對煤體構(gòu)造變形程度的一種描述方式，指的是地下煤層因構(gòu)造運動形成的結(jié)構(gòu)特征，是煤層各組成部分對應(yīng)的顆粒大小、形態(tài)特征及組合關(guān)系的一種表現(xiàn)。對煤體結(jié)構(gòu)的劃分國際上提出了許多標準，國內(nèi)通常根據(jù)煤體結(jié)構(gòu)在宏觀上的破碎程度進行劃分，大體上可分為原生結(jié)構(gòu)煤與構(gòu)造煤。相對原生結(jié)構(gòu)煤，構(gòu)造煤受地下地質(zhì)構(gòu)造作用，經(jīng)擠壓、摩擦、拉張、剪切及破碎，其理化性質(zhì)發(fā)生改變，構(gòu)造煤包含碎裂煤、碎粒煤及糜棱煤[22-23]。

本次研究沁水煤田柿莊北地區(qū)參數(shù)井3號煤層數(shù)據(jù)，沁水煤田為石炭—二疊紀煤田，資源儲量豐富，開發(fā)潛力巨大[24]。沁水盆地為大型復(fù)式向斜構(gòu)造，柿莊北區(qū)塊位于沁水盆地東南部的斜坡上，地層較平緩，該區(qū)塊先后經(jīng)歷了印支期、燕山期和喜山期構(gòu)造運動，構(gòu)造線多為 NE—NNE 走向[25]。柿莊北區(qū)3號層厚度相對較大且分布穩(wěn)定，埋深在830～1 600 m。通過對取心得到的煤樣進行觀測，得到對應(yīng)煤體結(jié)構(gòu)種類，包含原生結(jié)構(gòu)、碎裂結(jié)構(gòu)，碎粒結(jié)構(gòu)及極少糜棱結(jié)構(gòu)。經(jīng)對不同煤體結(jié)構(gòu)儲層的孔裂隙特征及其滲透率間的關(guān)系實驗與實際生產(chǎn)開發(fā)中得到的結(jié)果認為，碎裂結(jié)構(gòu)煤與原生結(jié)構(gòu)煤對煤層氣產(chǎn)出相對有利[26]，原生結(jié)構(gòu)煤裂隙系統(tǒng)完整，碎裂結(jié)構(gòu)煤適度的變形產(chǎn)生的裂隙系統(tǒng)對儲層滲透率的提供有益，而碎粒結(jié)構(gòu)煤及糜棱結(jié)構(gòu)煤破壞程度大，滲透率極低且改造工藝難度大，制約對應(yīng)煤層的產(chǎn)能提升[27]。從以上因素考慮，將煤體結(jié)構(gòu)分為Ⅰ類結(jié)構(gòu)(原生結(jié)構(gòu))、Ⅱ類結(jié)構(gòu)(碎裂結(jié)構(gòu))以及Ⅲ類結(jié)構(gòu)(碎粒結(jié)構(gòu)和糜棱結(jié)構(gòu))，其中Ⅰ類結(jié)構(gòu)煤與Ⅱ類結(jié)構(gòu)煤為有利產(chǎn)出煤，Ⅲ類結(jié)構(gòu)煤為不利產(chǎn)出煤，其特征如表1所示。

對參與研究的參數(shù)井進行測井曲線標準化處理，結(jié)合煤層取心報告及現(xiàn)場圖片，提取對應(yīng)深度段地球物理測井資料響應(yīng)，并對提取出的地球物理測井資料響應(yīng)進行數(shù)據(jù)預(yù)處理，預(yù)處理內(nèi)容包括深度校正，對受擴徑因素影響的測井系列進行擴徑校正，并對數(shù)據(jù)進行清洗，主要清洗夾矸高灰段，半幅點等響應(yīng)值。此外，由于樣本數(shù)量不均衡，Ⅲ類結(jié)構(gòu)煤數(shù)量極少，結(jié)合取心長度與測井曲線采樣間隔進行數(shù)據(jù)擴充，共得到不同結(jié)構(gòu)煤的測井資料響應(yīng)數(shù)據(jù)117組，其中Ⅰ類結(jié)構(gòu)煤37組，Ⅱ類結(jié)構(gòu)煤與Ⅲ類結(jié)構(gòu)煤均為40組。表2為各類煤體結(jié)構(gòu)對應(yīng)的地球物理測井資料響應(yīng)范圍，圖1為其箱線圖。

下面通過理論結(jié)合實際測井資料響應(yīng)，分析不同煤體結(jié)構(gòu)與地球物理測井資料響應(yīng)間的關(guān)系。在巖性測井系列中，多使用井徑測井與自然伽馬測井識別煤體結(jié)構(gòu)。井徑測井表征的是鉆孔直徑。煤巖中煤體結(jié)構(gòu)類型存在差異，對應(yīng)裂縫體系不同，導(dǎo)致不同煤體結(jié)構(gòu)對應(yīng)煤巖段在鉆井過程中坍塌程度不一[28]，理論上煤體破壞程度越高，對應(yīng)結(jié)構(gòu)相對疏松，越容易出現(xiàn)井壁垮塌導(dǎo)致井徑測井曲線響應(yīng)出現(xiàn)擴徑現(xiàn)象，因而通過觀察井徑測井資料，響應(yīng)值越大，對應(yīng)煤體結(jié)構(gòu)破碎程度越大來區(qū)分煤巖煤體結(jié)構(gòu)[11]。但根據(jù)柿莊北區(qū)3號煤層實際測井資料響應(yīng)發(fā)現(xiàn)，三類煤體結(jié)構(gòu)對應(yīng)的測井資料響應(yīng)中均出現(xiàn)明顯擴徑現(xiàn)象。圖1b中展示的為井徑響應(yīng)范圍，鉆頭直徑為21.59 cm，發(fā)現(xiàn)三類結(jié)構(gòu)對應(yīng)的深度段均出現(xiàn)不同程度的擴徑，且每一類結(jié)構(gòu)也存在未擴徑段。以Ⅱ類結(jié)構(gòu)煤與Ⅲ類結(jié)構(gòu)煤為例，隨著煤體結(jié)構(gòu)破壞程度的增加，井徑擴徑范圍僅略微增加，但Ⅰ類結(jié)構(gòu)煤變化趨勢不明顯，難以從二維角度區(qū)分，這可能是由于三類結(jié)構(gòu)煤鏡質(zhì)組含量相對較高所致，也可能與當時煤層鉆井中井壁加固技術(shù)不成熟存在關(guān)系。

表1 柿莊北區(qū)3號煤層煤體結(jié)構(gòu)類型Table 1 Coal structure types of No.3 Coal Seam in Shizhuang north area

表2 不同煤體結(jié)構(gòu)對應(yīng)的地球物理測井資料響應(yīng)范圍Table 2 Response range of geophysical logging data corresponding to different coal structures

自然伽馬測井表征的是巖層中自然伽馬射線的強度，多用于計算放射性元素含量。理論上，煤巖自然放射性會由于孔、裂隙變化導(dǎo)致的放射性物質(zhì)含量改變而出現(xiàn)響應(yīng)差異，即煤巖的放射性多與泥質(zhì)含量、黏土礦物以及灰分于沉積過程中吸附的次生放射性物質(zhì)相關(guān)。煤體結(jié)構(gòu)破碎程度增大一定程度上表明構(gòu)造活動強度增加，可能導(dǎo)致對應(yīng)煤巖與圍巖及其流體中的溶解物質(zhì)和沉淀物質(zhì)間的交換作用更活躍，而煤巖本身放射性低，這一現(xiàn)象會使得煤巖放射性大，對應(yīng)自然伽馬測井資料響應(yīng)值增大[14]。結(jié)合實際數(shù)據(jù)分析，如圖1a展示，三類煤體結(jié)構(gòu)隨著破壞程度增加，自然伽馬測井資料響應(yīng)值略有上升趨勢，三類結(jié)構(gòu)煤的響應(yīng)范圍重合段較多，這與煤巖非均質(zhì)性密不可分，僅能從整體上得到變化趨勢，且不同區(qū)塊自然伽馬測井響應(yīng)值變化趨勢不一定相同，研究區(qū)塊3號層自然伽馬測井響應(yīng)趨勢與上述理論情況不相悖。

在三孔度測井系列中，多使用補償密度測井資料和聲波時差測井資料判別煤體結(jié)構(gòu)，補償中子測井資料難以用于煤體結(jié)構(gòu)識別。補償中子測井反映的是地層含氫指數(shù)，結(jié)合其變化程度反映含水量繼而計算孔隙度。煤巖含氫元素較多，組成煤的碳氫化合物的含氫指數(shù)與水幾乎無差異[29-30]，煤巖中裂隙越發(fā)育，水越容易填充，但并不會引起含氫指數(shù)的變化，結(jié)合實際數(shù)據(jù)箱線圖1d也可以發(fā)現(xiàn)三類煤體結(jié)構(gòu)對應(yīng)補償中子測井響應(yīng)無明顯區(qū)分度。

補償密度測井用于評價地層密度，這類測井資料與煤巖儲層孔、裂隙發(fā)育關(guān)系密切。由于煤體結(jié)構(gòu)破碎程度增大使得結(jié)構(gòu)疏松，且裂隙系統(tǒng)發(fā)育越好，水也越容易填充，且破碎程度越大的煤體結(jié)構(gòu)比表面積相對大，對氣的吸附能力更強，均使得對應(yīng)結(jié)構(gòu)煤密度減小，因而隨著煤體結(jié)構(gòu)破壞程度增加，補償密度測井資料響應(yīng)多呈減小趨勢[31]。結(jié)合實際數(shù)據(jù)箱線圖1e可分析得到，實際數(shù)據(jù)變化趨勢與理論相符，但也存在數(shù)據(jù)點重合。

聲波時差測井資料表征的是地層剖面的巖石聲學(xué)性質(zhì)。不同種類的巖石由于各方面差異導(dǎo)致其聲波傳播速度、衰減規(guī)律與頻率特征存在較大區(qū)別，理論上，由于煤體結(jié)構(gòu)破碎程度增加，結(jié)構(gòu)相對更為疏松，聲波傳播速度減小，時差增大[12，32]。結(jié)合實際數(shù)據(jù)箱線圖1c，發(fā)現(xiàn)三類煤體結(jié)構(gòu)隨著破碎程度增加變化趨勢增大，但Ⅰ類結(jié)構(gòu)與Ⅱ類結(jié)構(gòu)重合部分較多，Ⅲ類結(jié)構(gòu)聲波時差測井資料響應(yīng)值為高值數(shù)據(jù)點較多，整體趨勢較復(fù)雜，這也與巖石密度、圍壓，含水量和含氣性相關(guān)。

圖1 三類煤體結(jié)構(gòu)對應(yīng)地球物理測井資料響應(yīng)值范圍Fig.1 Response range of geophysical logging data corresponding to three types of coal structure

在電阻率測井系列中，多用能反映原狀地層的深側(cè)向電阻率測井系列來識別煤體結(jié)構(gòu)。電阻率測井資料表征的是地層電阻率的變化情況。理論上有學(xué)者認為隨著隨煤體破碎程度增加，煤巖中水分等增加，煤體中自由基濃度及小分子含量增加，其與煤巖中水分子共同作用使其導(dǎo)電性能增強[33]，電阻率減??；但也有學(xué)者認為隨著煤體結(jié)構(gòu)破碎程度增大，煤體比表面積增大，吸附的煤層氣更多，而煤層氣含量的增加會使得電阻率上升，且高階煤中煤巖強度相對大，破碎程度的增加對其裂隙結(jié)構(gòu)和含水性變化產(chǎn)生的影響可能較小，因而認為電阻率測井曲線的變化趨勢更適用于中階煤煤體結(jié)構(gòu)識別[34]。事實上電阻率受多因素影響，響應(yīng)極為復(fù)雜，不同區(qū)塊間煤層電阻率都存在較大差異，在標準化過程中也存在人為修正因素帶來的誤差，因而不同煤體結(jié)構(gòu)的電阻率響應(yīng)值變化趨勢難以確定。結(jié)合本區(qū)塊實際數(shù)據(jù)箱線圖1f可以發(fā)現(xiàn)，柿莊北區(qū)電阻率值均較高，但其中隨著煤體結(jié)構(gòu)破碎程度的增加，Ⅱ類結(jié)構(gòu)煤與Ⅲ類結(jié)構(gòu)煤出現(xiàn)了電阻率特低值，對應(yīng)取心資料中發(fā)現(xiàn)取心巖樣中存在侵入狀況，使得部分取心樣品段對應(yīng)的電阻率測井響應(yīng)值相對減小。

綜上分析，不同煤體結(jié)構(gòu)在地球物理測井資料上呈現(xiàn)出的響應(yīng)變化存在一定差異，但在煤儲層中，裂隙結(jié)構(gòu)與其分布特點、礦物質(zhì)含量、含水性及煤層氣含量等均會對測井響應(yīng)產(chǎn)生影響。結(jié)合實際數(shù)據(jù)分析發(fā)現(xiàn)，不同煤體結(jié)構(gòu)在自然伽馬、補償密度、聲波時差、深側(cè)向電阻率及井徑測井資料上雖然存在一定趨勢，但不同結(jié)構(gòu)類型煤對應(yīng)的測井資料響應(yīng)范圍重復(fù)度較大，為非線性響應(yīng)。當實際數(shù)據(jù)響應(yīng)與理論情況下響應(yīng)差異較大時，利用線性關(guān)系方法放大不同煤體結(jié)構(gòu)間測井響應(yīng)趨勢難以準確判別。因而使用機器學(xué)習(xí)方法，結(jié)合高維特征空間數(shù)據(jù)，建立非線性關(guān)系識別煤體結(jié)構(gòu)更為合適，由于數(shù)據(jù)樣本相對較少，使用SVM進行分類研究。

2 方法實現(xiàn)

2.1 方法原理

SVM是基于統(tǒng)計學(xué)習(xí)理論發(fā)展出的一種模式識別方法，具有通用性、魯棒性，計算簡單等優(yōu)點[35]，尤其在面對小樣本、非線性以及高特征維度識別問題中優(yōu)勢明顯，相較于BP神經(jīng)網(wǎng)絡(luò)，該方法具有人為參數(shù)設(shè)置少、能找到全局最優(yōu)解的優(yōu)點[36]。SVM主要思想為通過建立決策面將正例與反例分隔開，本質(zhì)上是一個兩類分類器，但實際應(yīng)用中需要解決多分類問題，因而通過分解機重構(gòu)將多分類問題轉(zhuǎn)變至二分類問題。針對柿莊北區(qū)3號煤層煤體結(jié)構(gòu)特點，本文應(yīng)用SVM二分類與“一對多”分類模式解決煤體結(jié)構(gòu)識別問題。

2.1.1 二分類

SVM通過非線性映射θ(x)將輸入向量xi映射至高維特征空間中的向量zi，并在高維空間中找到最優(yōu)超平面(圖2)。在特征空間中利用式(1)即可實現(xiàn)對變化后的線性分類[37]：

K(xi,xj)=θ(xi)·θ(xj)。

(1)

2.1.2 “一對多”分類

“一對多”分類[38]，即在構(gòu)造第一類分類器時將歸屬該類的樣本標記為正，其余所有訓(xùn)練樣本定位負，得到分類器S1，隨后按上述步驟構(gòu)造其他類別分類器，按照需要得到相應(yīng)個數(shù)的分類器，后將測試數(shù)據(jù)輸入至對應(yīng)分類器，結(jié)構(gòu)如圖3所示。“一對多”分類應(yīng)用相對廣泛，這類方法分類速度快，不會出現(xiàn)分類重疊和錯誤累積現(xiàn)象，但可能會出現(xiàn)不可分現(xiàn)象[39]。相對于二分類方法，此類方法需要兩個參數(shù)：核函數(shù)(kernel function)與懲罰因子(C)。核函數(shù)多分為多項式內(nèi)積函數(shù)、RBF核函數(shù)與Sigmoid核函數(shù)。本文使用的為RBF核函數(shù)，RBF核函數(shù)相對多分類問題準確率高且受控參數(shù)少，其公式為：

(2)

式中：σ為核函數(shù)參數(shù)。在實際使用中，需對核函數(shù)參數(shù)σ與懲罰因子C進行尋值，即利用“網(wǎng)格搜索”尋值，在給定的范圍內(nèi)，根據(jù)各組參數(shù)分類正確率的高低，判斷是否為最優(yōu)參數(shù)，當出現(xiàn)多組參數(shù)預(yù)測正確率均為最高時，為避免泛化性能力降低，通常選取懲罰因子C最小的組。這一過程的實現(xiàn)可利用matlab工具包實現(xiàn)。

圖2 低維特征向量映射至高緯特征空間Fig.2 Mapping low dimensional feature vector to high latitude feature space

圖3 “一對多”方法結(jié)構(gòu)Fig.3 Structure diagram of “one to many” method

2.2 方法步驟

結(jié)合SVM原理和柿莊北區(qū)3號煤層煤體結(jié)構(gòu)類型特點，使用兩種模式進行煤體結(jié)構(gòu)識別分類。方法一為結(jié)合煤體結(jié)構(gòu)類型使用雙二分類模式，即是經(jīng)過兩次二分類進行判別，其結(jié)構(gòu)圖見圖4a。首先利用二分類方法確定有利產(chǎn)出煤與不利產(chǎn)出煤(Ⅲ類結(jié)構(gòu)煤)，在有利產(chǎn)出煤中再次使用二分類對Ⅰ類結(jié)構(gòu)煤與Ⅱ類結(jié)構(gòu)煤進行區(qū)分。方法二為直接利用“一對多”方法對三類結(jié)構(gòu)煤進行區(qū)分，結(jié)構(gòu)圖見圖4b。

圖4 煤體結(jié)構(gòu)判別流程結(jié)構(gòu)Fig.4 Flow chart of coal structure discrimination

2.3 實際數(shù)據(jù)使用

結(jié)合柿莊北區(qū)參數(shù)井3號煤層地球物理測井資料，選取井徑、自然伽馬、補償密度，聲波時差與深側(cè)向電阻率這5個與煤體結(jié)構(gòu)存在相關(guān)趨勢的測井序列作為特征向量，利用SVM建立煤體結(jié)構(gòu)識別模型。為了有效評估SVM模型的有效性，利用交叉驗證(cross validation)進行檢測。K折(K-CV)交叉驗證，即將原始數(shù)據(jù)分為k組，對應(yīng)每組子集均作為一次測試集，則另外k-1組子集為訓(xùn)練集，這樣共可得到k個模型，然后利用上述k個模型的測試集預(yù)測得到結(jié)果，k個誤差和平均即為k折交叉驗證誤差。本文使用4折交叉驗證，流程圖見圖5a。結(jié)合實際分類問題，用預(yù)測正確率進行表征。結(jié)合實際工區(qū)數(shù)據(jù)，Ⅰ類結(jié)構(gòu)煤37組，Ⅱ類結(jié)構(gòu)煤與Ⅲ類結(jié)構(gòu)煤均為40組。為了保證能正確評價模型的有效性，用于最終驗證的樣本集不參與建模。隨機選出3類煤體結(jié)構(gòu)數(shù)據(jù)各16組作為驗證集，將剩余三類煤體結(jié)構(gòu)數(shù)據(jù)均分至4個組，除第4組Ⅰ類結(jié)構(gòu)煤相較于其他組多1個外，各組各類煤體結(jié)構(gòu)數(shù)量一致，交叉驗證結(jié)果如圖5b所示。雙二分類模式與“一對多”分類模式交叉驗證結(jié)果分別為78.2% 和84.1%，結(jié)果并未出現(xiàn)較大波動，交叉驗證中測試集預(yù)測結(jié)果的錯誤個數(shù)大多在1～2個間，由此可見用SVM判別煤體結(jié)果具有有效性與泛化性。

圖5 交叉驗證流程圖與結(jié)果Fig.5 Cross validation flow chart and results

將用于交叉驗證的所有數(shù)據(jù)作為訓(xùn)練集，對驗證集進行煤體結(jié)構(gòu)預(yù)測評價。結(jié)合取心結(jié)果，雙二分類模式與“一對多”分類模式的正確率分別為 83.3%與89.6%，其具體預(yù)測結(jié)果分別如混淆矩陣表3所示。

兩種模式均能對煤體結(jié)構(gòu)進行判別，在煤樣取心中由于存在破碎煤心，煤層部分段煤體結(jié)構(gòu)未知。在對已知結(jié)構(gòu)的煤層段煤體結(jié)構(gòu)的識別結(jié)果中，“一對多”分類方式與煤心結(jié)果匹配度相對高，尤其在Ⅲ類結(jié)構(gòu)煤的識別上準確率明顯較高，雙二分類模式在Ⅰ類結(jié)構(gòu)煤判別的準確率來說相對較高，三類煤體結(jié)構(gòu)識別能力相對較弱。即在實際數(shù)據(jù)驗證中，利用SVM與常規(guī)測井數(shù)據(jù)相結(jié)合識別煤體結(jié)構(gòu)具有準確性與實用性，在無其他特殊測井資料的情況下具有適用性。柿莊北區(qū)塊參數(shù)井及非參數(shù)井開采時間較早，技術(shù)與使用的測井方法相對匱乏，本文利用SVM結(jié)合常規(guī)地球物理測井資料能有效識別煤層不同類型的煤體結(jié)構(gòu)，實用性較強，且對后續(xù)區(qū)塊產(chǎn)能評價具有指導(dǎo)意義。

表3 SVM對煤體結(jié)構(gòu)識別結(jié)果Table 3 Recognition results of coal structure based on SVM

2.4 誤差討論

針對SVM模型在驗證集上的表現(xiàn)，“一對多”分類模式相對雙二分類模式精度更高。雙二分類模式在實現(xiàn)過程中，區(qū)分有利產(chǎn)出煤與不利產(chǎn)出煤時，兩者數(shù)量存在較大差距，且第一次二分類時會產(chǎn)生誤差，使得第二次二分類時存在誤差累積。結(jié)合驗證集結(jié)果的混淆矩陣，雙二分類模式在有利產(chǎn)出煤與不利產(chǎn)出煤的判別上存在誤差，而“一對多”分類模式未產(chǎn)生類似誤差，僅在判別有利產(chǎn)煤中兩類結(jié)構(gòu)煤存在較小誤差，就性能而言，“一對多”分類模式精度更高。

對單井整層段結(jié)果而言，誤差多來自于不同煤體結(jié)構(gòu)交會處，這取決于測井方法在縱向上的分辨率，尤其是針對厚度較小的煤體結(jié)構(gòu)段，這類誤差較為明顯。此外，煤層夾矸段對測井資料響應(yīng)的影響也會導(dǎo)致判別出現(xiàn)誤差。在實際煤巖中，大段煤層會存在泥質(zhì)夾矸，對應(yīng)測井資料會呈現(xiàn)出自然伽馬測井響應(yīng)值與補償密度測井響應(yīng)值為異常高值，電阻率測井資料會呈現(xiàn)減小趨勢，具體趨勢變化程度取決于夾矸厚度對測井資料響應(yīng)的影響。這一異常趨勢容易導(dǎo)致判別結(jié)果出現(xiàn)偏差，這也是造成煤體結(jié)構(gòu)識別正確率下降的原因之一。

3 結(jié)論

本文通過煤層取心資料，結(jié)合產(chǎn)能效益，總結(jié)了柿莊北區(qū)3號層各類煤體結(jié)構(gòu)類型，通過測井資料分析測井曲線與煤體結(jié)構(gòu)間的響應(yīng)特征，應(yīng)用SVM雙二分類模式和“一對多”分類模式有效識別各類煤體結(jié)構(gòu)，并用實際井資料進行判別，達到了煤體結(jié)構(gòu)識別的目的，并得到以下結(jié)論：

1) 柿莊北區(qū)塊3號煤層煤體結(jié)構(gòu)可分為3類，將3類煤體結(jié)構(gòu)對應(yīng)的地球物理測井資料響應(yīng)進行分析，可以得到自然伽馬測井資料、補償密度測井資料、聲波時差測井資料，深側(cè)向電阻率測井資料與井經(jīng)曲線在響應(yīng)上和煤體結(jié)構(gòu)存在非線性關(guān)系。

2) 利用SVM兩種模式結(jié)合相關(guān)測井資料，可以有效識別煤體結(jié)構(gòu)，交叉驗證結(jié)果也表明這類方法具有泛化性，且“一對多”分類模式正確率高于雙二分類分類模式。

3) SVM誤差主要由測井手段分辨率的限制與夾矸段導(dǎo)致。

4) SVM兩種分類模式的樣本空間是基于常規(guī)測井資料建立的，在無其他特殊測井資料時仍具有適用性。

利用SVM結(jié)合地球物理測井資料能有效識別煤體結(jié)構(gòu)，對實際生產(chǎn)開發(fā)具有指導(dǎo)意義，有廣闊的應(yīng)用前景。