姜伟

摘 要：为了探讨深部煤层含气量的有效预测方法，将支持向量机学习方法应用到了预测模型的建立中。以晋城矿区3号煤层为研究对象，以浅部煤层数据为基础，建立了含气量预测模型，并用煤层深部实测数据对模型进行了检验，精度可满足生产需要，这为煤储层深部含气量预测提供了新思路。

关键词：煤层深部含气量；压裂技术；建模样本；Matlab

中图分类号：P618.13 文献标识码：A DOI：10.15913/j.cnki.kjycx.2016.15.112

煤层含气量是煤储层评价的基本参数之一，是开发潜力评价、有利区预测和选择开发方案重要依据。结合晋城矿区煤层气井的生产实践，当煤层埋深超过800 m时，受地应力的影响，压裂缝延伸的长度和高度都受到了限制，压裂效果大打折扣。随着连续油管分段压裂、滑套工具串分段压裂等新型压裂技术的成熟，压裂改造能力有了很大的提高。在此情况下，人们开始关注后备区埋深大于800 m的区域，但由于前期深部测试样品较少，且对深部煤层含气量的分布规律认识不足，所以，对煤储层深部含气量的预测是非常重要的。

1 支持向量机学习法

支持向量机学习法是由Vapnik率先提出的，是基于统计学理论的一整机器学习方法。其基本思想是高维特征空间内的线性回归，是从线性可分条件下的最优分类超平面发展而来的。给定建模样本数据点集：

. （1）

式（1）中：xi为输入变量；yi为目标变量。

通过机器学习，可找到一个非线性函数f（x）。此时，不仅应满足yi=f（xi），且对于检验样本集{xn+1，xn+2，…，xn+m}而言，其预测值误差应在可接受的范围内。……