[发明专利]建立煤层含气量预测模型的方法、装置、终端与存储介质

说明书

本发明实施例公开了建立煤层含气量预测模型的方法、装置、终端与存储介质，方法包括以下步骤：步骤1、获取原始数据；步骤2、对原始数据进行数据预处理，得到样本数据；步骤3、对样本数据进行主成分分析，得到分析后的特征数据集；步骤4、通过对特征数据集进行划分，得到训练集与测试集；步骤5、基于训练集训练LSTM模型，得到训练后的LSTM模型；步骤6、采用测试集对训练后的LSTM模型进行测试；步骤7、若测试通过，则将训练后的LSTM模型设置为煤层含气量预测模型。通过本方案建立的煤层含气量预测模型，预测煤层气的速度快，效率高，可以实现大规模应用。

技术领域

本发明涉及煤层气的预测领域，尤其涉及建立煤层含气量预测模型的方法、装置、终端与存储介质。

背景技术

我国的能源资源中，煤炭占比很大，在总能源消耗中，煤炭也占有重要的地位，而随着社会经济的不断发展，清洁使用煤炭越来越成为主流，其中，使用煤层气是一种重要的煤炭清洁使用方式。在此情况下，煤层气的准确预测成为清洁使用煤炭资源中重要的一环。目前预测煤层气含量的方法很多，其中，有一种方法是对煤层进行采样取芯，后运送至实验室进行测定。这种方式的精度很高，但是这种方式的成本高昂，且时间长，对设备要求高，无法大规模应用。

发明内容

有鉴于此，本发明提出了建立煤层含气量预测模型的方法、装置、终端与存储介质，通过本方案建立的煤层含气量预测模型，可以预测煤层气，且预测速度快，效率高，可以实现大规模应用。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种建立煤层含气量预测模型的方法，包括以下步骤：

步骤1、获取原始数据；所述原始数据包括预设煤层测井的多个特征以及作为标签值的含气量数据；所述特征包括地层特征、地球物理测井特征、地球物理地震特征和煤的工业组分特征中的至少一种；

步骤2、对所述原始数据进行数据预处理，得到样本数据；

步骤3、对所述样本数据进行主成分分析，得到分析后的特征数据集；

步骤4、通过对所述特征数据集进行划分，得到训练集与测试集；

步骤5、基于所述训练集训练LSTM模型，得到训练后的LSTM模型；所述LSTM模型是由多个LSTM单元级联得到的；每个所述LSTM单元通过以下公式训练得到：

y_t＝sigmoid(W^t h^t)；y_t为输出值；W^t为sigmoid函数中自带权重向量；h^t＝z^o tanh(c^t)；h^t为本轮的状态量输出；z^o为输出门向量；c^t＝z^f c^(t-1)+zⁱ z；c^t本轮的内部记忆单元；z^f为遗忘门向量；c^(t-1)为上一轮的内部记忆单元；zⁱ为输入门向量；z为选择向量；

步骤6、采用所述测试集对所述训练后的LSTM模型进行测试；

步骤7、若测试通过，则将所述训练后的LSTM模型设置为煤层含气量预测模型。

在一个具体的实施例中，所述训练包括以下步骤：

步骤51、将所述训练集中的特征输入所述LSTM模型，得到所述LSTM模型的输出值；

步骤52、通过所述输出值与所述训练集中的所述标签值的比较；

步骤53、若比较结果为达到预期，则得到训练后的LSTM模型；若比较结果为未达到预期，则调整所述LSTM模型的参数后执行步骤51。