简介：为了精细监测和了解排采过程煤储层参数的动态变化,本文提出了一种基于BP神经网络补偿算法,对未来一定时期的产气、产水量进行了预测。对大佛寺典型的煤层气水平井(DFS-C02井)进行实例分析,结果表明,未来30d的产水量、产气量的平均相对误差分别为0.79%(0.07~0.26%)和0.72%(0.01~2.4%),预测结果较准确。BP神经网络补偿算法为煤层气井的产量预测提供了一种新方法,同时为排采工作制度提供依据。
简介：煤层顶板含水层富水性受多因素影响，选取含水层厚度、含水层出露面积、单位涌水量、渗透系数、漏水孔率和断裂构造复杂程度等6个评价指标，建立定量与定性评价指标为一体的评价等级标准，构建基于层次分析—模糊综合评判法的煤层顶板含水层富水性多因素评价模型，并利用评价模型对贵州省黔西某矿顶板含水层富水性进行总体评价，其效果较好，可为相关研究提供借鉴。
BP神经网络补偿算法在煤层气井产量预测中的应用
基于模糊综合评判法的煤层顶板灰岩含水层富水性评价
