[发明专利]一种基于地震信息的煤矿水害预测评价方法

权利要求书

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,…,x_n)，

(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,…,y_n)，

(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,…,z_n)。

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)

·

·

·

·

t_n＝x_n*a₁+y_n*a₂+z_n*a₃

利用(1)式能获得测区的突水隶属度T(t₁,t₂,…,t_n)，根据各点的突水隶属度值t_i，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。