[发明专利]一种基于FA-SSA-SVM算法的煤层渗透率变化预测方法

说明书

本发明提出了一种基于FA‑SSA‑SVM算法的煤层渗透率变化预测方法，属于CO₂封存领域。该方法是通过集成支持向量机SVM、麻雀搜索算法SSA、萤火虫算法FA构建新型混合智能模型，其中SVM用来探索煤储层渗透率变化与其影响变量之间的关系，SSA和FA用来优化SVM的超参数。利用FA扰动SSA，通过扰动SSA中的一般解与最优解，提高全局解的搜索性，获取SVM超参数的全局最优解，实现在高维空间非线性预测煤储层渗透率变化与其影响变量之间的关系。FA‑SSA‑SVM预测模型能够在考虑CO₂封存过程各种复杂因素的基础上达到较好的预测效果，具有成本低廉、预测精度高、泛化能力强等优点。

技术领域

本发明涉及一种煤层渗透率变化预测方法，尤其涉及CO₂封存过程煤储层渗透率变化中使用的一种基于FA-SSA-SVM算法的煤层渗透率变化预测方法，属于煤层CO₂地质封存领域。

背景技术

CO₂是温室气体之一，大量排放会导致温室效应。我国已提出争取2030年前实现碳达峰，2060年前实现碳中和。而CO₂的捕捉与封存是碳减排的有效方法，且将CO₂注入深部煤层可以实现驱替CH₄和封存CO₂的双重效果，具有保护环境和开发能源的双重意义。

现场试验发现CO₂注入煤层之后其可注性明显降低，这是煤岩基质吸附膨胀引起的裂隙开度降低或裂隙闭合现象抑制了气体的渗透性。

研究CO₂封存过程中煤储层渗透性动态变化事关封存成败。目前煤层渗透率获取方法主要包括实验室试验和理论模型，前者存在测试过程复杂、耗费时间长、测试费昂贵等缺点，理论模型的假设条件太多，难以考虑煤层CO₂地质存储的复杂变化。人工智能模型在工程预测方面取得了很好应用，但目前还缺乏利用人工智能模型预测CO₂封存过程中煤层渗透率变化的研究。

发明内容

针对现有技术的不足之处，提供一种基于FA-SSA-SVM算法的煤层渗透率变化预测方法，其步骤简单，使用方便，能够快速预测粗煤层CO₂封存过程中煤储层渗透率的变化。

为实现上述技术目的，本发明的基于FA-SSA-SVM算法的煤层渗透率变化预测方法，其特征在于：包括以下步骤：

步骤一、基于煤层吸附膨胀渗透率测试试验与煤层CO₂封存工业性试验，分析影响煤层渗透率变化的关键地质参数与施工参数，将关键地质参数与施工参数优选确定模型输入变量；

步骤二、整理并收集实验室测试与文献检索数据，通过筛分、去伪，确定涵盖多个不同区域矿井、多种煤阶的数据资料，将所有数据汇集为数据集，将数据集划分为训练集和测试集；其中数据集中包括不同的矿井资料以及所对应的煤储层CO₂注入压力、煤体有效应力、煤阶、煤体温度、煤层埋深、煤层渗透率变化信息；

步骤三、构建FA-SSA-SVM预测模型，利用支持向量机SVM构建煤储层渗透率变化与模型输入变量之间的关系，将麻雀搜索算法SSA和萤火虫算法FA先后串联后联合优化SVM的超参数，优化确定FA-SSA-SVM预测模型的初始化参数设置；

步骤四、利用训练集反复训练FA-SSA-SVM预测模型，利用测试集验证训练完毕的FA-SSA-SVM预测模型的预测性能，采用相关系数R、平均绝对误差MAE、均方根误差RMSE和平均绝对百分比误差MAPE对训练完毕的FA-SSA-SVM预测模型的预测性能进行验证与评估，若评估不达标则继续训练；

步骤五、利用评估达标的FA-SSA-SVM预测模型对CO₂封存过程中煤储层渗透率变化进行预测。