CN115983097B 基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法（陕煤集团神木柠条塔矿业有限公司）

(12)发明专利司专利权人江苏中矿辰源科技有限公司所(普通合伙)32543专利代理师张旭基于钻孔抽采数据的煤层瓦斯抽采特征参本发明公开了一种基于钻孔抽采数据的煤模拟的瓦斯流量与现场数据拟合的瓦斯流量作最后将获得的煤层初始渗透率及钻孔抽采时间代入瓦斯流量正演模型，计算煤层残余瓦斯压根据瓦斯渗流理论搭建瓦斯流量正演模型根据瓦斯渗流理论搭建瓦斯流量正演模型采集现场瓦斯抽采流量数据并进行拟合处理建立初始渗透率及钻孔抽采时间反演适应度函数通过粒子群算法搜索最佳匹配度煤层初始渗透率及钻孔抽采时间根据煤层初始渗透率和煤层采动时间推算相关瓦斯抽采特征参数2步骤二、通过瓦斯流量传感器采集现场瓦斯抽采流量步骤三、将步骤一获得的正演瓦斯流量函数与步骤二获得的拟合现场瓦斯抽采流量函步骤四、采用粒子群算法寻找使步骤三中适应度函数最小值时对应的煤层初始渗透率步骤五、通过步骤四获得的煤层初始渗透率及钻孔抽采时间，将该数据代入步骤一建2.根据权利要求1所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其初始压力；p代表煤层瓦斯压力；φ。代表煤层初始孔隙度；φ表示煤层孔隙度， B):求解式(1)能得到在煤层初始渗透率k₀下任意时刻瓦斯压力分布，并依此得到此时将抽采t时刻单位体积煤体内瓦斯量ml对煤体积分，能得到任意体积煤体瓦斯含量M1,如式(3)所示：3C):任意t时刻瓦斯抽采的流量能表示为：通过步骤A)-C)能建立抽采瓦斯流量与煤层初始渗透率及钻孔抽采时间之间的关系，3.根据权利要求1所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其4.根据权利要求1所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其D(k₀,t)=max|Q(ti)-QR(t;)|→min5.根据权利要求1所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其①预设粒子群算法的参数：设定算法中种群包含的个体总数N,最大迭代次数ger,粒子运动的最大速度Vmx和最小速度Vin,个体学习因子c₁,社会学习因子c₂,惯性因子w,截断误v{+1=wv'+c₁r₁(Pbesti-X)+C₂r₂(Gbesti-X)其中粒子惯性因子w,代表粒子具有向自身固有运动方向移动的趋势；个体学习因子c₁4和社会学习因子c₂分别赋予粒子个体记忆属性和社会属性，代表粒子有向自身历史最佳位置和种群历史最佳位置靠拢的趋势；r₁,r₂是两个独立的随机参数，使粒子的运动更具随机为了避免粒子在寻优过程中步幅过大略过最优位置，因此对粒子的速度v进行限制：④比较当前煤层初始渗透率及钻孔抽采时间下的瓦斯流量匹配程度并更新Gb_X,Gb,⑤判断是否满足终止条件，若满足则跳出迭代，输出适应度函数最小值时对应的煤层初始渗透率和钻孔抽采时间，否则回到步骤③继续迭代计算。6.根据权利要求1所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其特征在于，所述步骤五中煤层的瓦斯抽采特征参数包括煤层瓦斯压力p、剩余煤层瓦斯含量煤层渗透率k通过瓦斯流量正演模型求解获得，瓦斯抽采率η由煤层剩余瓦斯量M与煤层初始瓦斯含量M比值得到，有效抽采半径r设定为残余煤层瓦斯压力低于0.74MPa的区域。7.根据权利要求4所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其特征在于，所述粒子惯性因子w为随迭代次数变化的变量，如式(12)所示：其中，w_1和w_2分别代表惯性系数的上限和下限，L为当前迭代次数，ger为最大迭代次数；迭代前期惯性因子w较大，粒子以较大飞行速度在变量空间移动，更易于发现全局最优8.根据权利要求4所述基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其特征在于，所述步骤⑤中的终止条件为：循环达到最大迭代次数，或者在连续三次迭代过程中适应度函数D(k₀,t)的变化小于设定的截断误差C。5基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法技术领域[0001]本发明涉及一种煤层瓦斯抽采特征参数快速反演方法，具体为一种基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，属于煤矿瓦斯抽采技术领域。背景技术[0002]作为瓦斯资源化利用的基础和煤矿瓦斯灾害的治本性措施，煤层瓦斯的采前预抽一直是煤矿开采工作中必不可少的环节。在抽采过程中，瓦斯抽采基本参数是瓦斯抽采系统规划设计，瓦斯抽采效果评价和瓦斯抽采工程安全技术管理的基本科学依据。因此如何快速准确地获得瓦斯抽采参数具有重要意义。[0003]然而目前行业内对于煤层瓦斯抽采特征参数的测定普遍存在操作复杂、耗时费力的问题，以煤层渗透率为例：目前行业内煤矿的煤层渗透率测量方式主要有实验室测量和现场测试两类方法。在实验室测量煤样渗透率中，由于完整煤样制备难度大、煤样在钻取的过程中易出现裂缝，以及煤体的各向异性特征等原因，导致煤层渗透率的测量结果较现场情况出现较大偏差，因此实验室很难模拟真实情况，只能进行定性的、规律性的研究。而在现场测定煤层渗透率时，目前国内主要采用钻孔瓦斯径向流量法，该渗透率测定方法探测效果较好，但是径向流量法仍然存在着测定周期长、待测参数复杂等缺点。[0004]在煤层气抽采作业过程中，瓦斯抽采特征参数的动态变化特征是通过生产资料直接体现。而煤层气生产资料是煤矿施工现场第一手数据，具有较高的真实性和准确性。因此关于如何实现通过生产资料快速而准确地反求瓦斯抽采特征参数，为煤层气安全高效开采提供科学支撑的问题，有着较好的发展前景，需要进一步研究。[0005]与一般研究所用的正向推导不同，根据结果或信息反推事件发生的过程或机制称为“反演”,其核心思想在于可观测参数推测研究对象内部源参数。目前有学者分析了煤层渗透率的复杂变化特点，建立了二维条件下的煤层瓦斯流动非耦合数学模型，并使用超松弛迭代法进行求解，最终实现了通过煤层瓦斯压力反演渗透率。但在实际施工过程中，煤层压力本身作为待测瓦斯抽采特征参数，测量往往存在操作复杂且具有滞后性的问题。还有学者建立了煤层双孔隙的耦合无量纲方程，并在此基础上提出了新的煤基质渗透率和裂隙渗透率的反演方法，结果表明基于流固耦合控制方程的反演算法具有较高的准确性。但是该研究只是通过试算匹配，并不涉及具体的非线性反演方法，具体应用效果较差。[0006]因此，如何提供一种新的方法，使其以煤层多场耦合三维模型为基础，将煤层瓦斯抽采特征参数作为目标，搭建基于真实生产资料的煤层抽采特征参数反演算法，从而快速且精准的得出煤层抽采特征参数，是本行业的研究方向之一。发明内容[0007]针对上述现有技术存在的问题，本发明提供一种基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，其以煤层多场耦合三维模型为基础，将煤层瓦斯抽采特征参数作为目标，搭建基于真实生产资料的煤层抽采特征参数反演算法，从而快速且精准的得出6煤层抽采特征参数。[0008]为了实现上述目的，本发明采用的技术方案是：一种基于钻孔抽采数据的煤层瓦斯抽采特征参数快速反演方法，具体步骤为：[0009]步骤一、根据瓦斯渗流理论，先建立煤层内瓦斯渗流数学模型，根据该数学模型能确定初始渗透率及钻孔抽采时间与煤层瓦斯压力之间的关系，然后确定煤层瓦斯流量与煤层瓦斯压力之间的关系式，将该关系式与建立的煤层内瓦斯渗流数学模型相结合，从而建成瓦斯流量正演模型，该瓦斯流量正演模型中所涉及的煤层物性参数以及边界条件根据现场地质情况确定，最后根据该瓦斯流量正演模型得出以煤层初始渗透率及抽采时间为自变量的正演瓦斯流量函数；[0010]步骤二、通过瓦斯流量传感器采集现场瓦斯抽采流量，并将获得的抽采数据进行拟合形成连续函数，该连续函数即为拟合现场瓦斯抽采流量函数；[0011]步骤三、将步骤一获得的正演瓦斯流量函数与步骤二获得的拟合现场瓦斯抽采流量函数，两者之间的差函数D(k₀,t)作为适应度函数，并以适应度函数最小值为目标；[0012]步骤四、采用粒子群算法寻找使步骤三中适应度函数最小值时对应的煤层初始渗透率和钻孔抽采时间；[0013]步骤五、通过步骤四获得的煤层初始渗透率及钻孔抽采时间，将该数据代入步骤一建立的瓦斯流量正演模型，最终根据该模型计算确定煤层的瓦斯抽采特征参数。[0015]A):根据瓦斯渗流理论，建立如式(1)所示瓦斯渗流三维流固耦合数学模型：[0017]式中，G代表煤的剪切模量，MPa,G=E/2(1+v);K和E分别为煤的体积模量和杨氏模层初始压力；p代表煤层瓦斯压力；φ。代表煤层初始孔隙度；φ表示煤层孔隙度， k₀表示煤层初始渗透率；[0018]B):求解式(1)能得到在煤层初始渗透率k₀下任意时刻瓦斯压力分布，并依此得到此时煤层内单位体积煤体瓦斯含量m,如式(2)所示：[0021]将抽采t时刻单位体积煤体内瓦斯量m|对煤体积分，能得到任意体积煤体瓦斯含量M|,如式(3)所示：7[0029]通过步骤A)-C)能建立抽采瓦斯流量与煤层初始渗透率及钻孔抽采时间之间的关[0033]进一步，所述步骤三中差函数D(k₀,t)具体为：[0036]上式中D(k₀,t)值越小，表明反演所得的煤层初始渗透率k₀和抽采时间t越接近实粒子运动的最大速度Vn和最小速度Vmin,个体学习因子c₁,社会学习因子c₂,惯性因子w,截[0043]根据适应度函数D(k₀,t)计算当前粒子位置适应度，比较各粒子适应度后记录种群历史最佳位置Gb_X和此时的种群历史最佳适应度Gb,并初始化粒子群历史最佳位置Pb_X=X;子c₁和社会学习因子c₂分别赋予粒子个体记忆属性和社会属性8佳位置和种群历史最佳位置靠拢的趋势；r₁,r₂是两个独立的随机参数，使粒子的运动更具随机性，增大了全局寻优的可能性；[0049]为了避免粒子在寻优过程中步幅过大略过最优位置，因此对粒子的速度v;进行限[0052]④比较当前煤层初始渗透率及抽采时间下的瓦斯流量匹配程度并更新Gb_X,Gb,[0053]⑤判断是否满足终止条件，若满足则跳出迭代，输出适应度函数最小值时对应的煤层初始渗透率和钻孔抽采时间，否则回到步骤③继续迭代计算。[0054]进一步，所述步骤五中煤层的瓦斯抽采特征参数包括煤层瓦斯压力p、剩余煤层瓦斯含量M、瓦斯抽采率η、煤层渗透率k及有效抽采半径r含量M、煤层渗透率k通过瓦斯流量正演模型求解获得，瓦斯抽采率η由煤层剩余瓦斯量M与煤层初始瓦斯含量M比值得到，有效抽采半径r设定为残余煤层瓦斯压力低于0.74MPa的区[0055]进一步，所述粒子惯性因代次数；迭代前期惯性因子w较大，粒子以较大飞行速度在变量空间移动，更易于发现全局最优值；迭代后期惯性因子w较小，使算法的收敛性大大提高。[0058]进一步，所述步骤⑤中的终止条件为：循环达到最大迭代次数，或者在连续三次迭代过程中适应度函数D(k₀,t)的变化小于设定的截断误差C。[0059]与现有技术相比，本发明先建立煤层内瓦斯渗流数学模型，并结合瓦斯抽采流量演化特征与瓦斯压力分布特征的参数表征关系，建成瓦斯流量正演模型，该瓦斯流量正演模型中所涉及的煤层物性参数以及边界条件根据现场地质情况确定，通过正演模型得出；接着采集现场瓦斯抽采数据拟合成连续函数，作为现场瓦斯抽采流量函数；将上述正演瓦斯流量函数和现场拟合的瓦斯抽采流量函数作差，形成的差函数作为适应度函数；采用粒子群算法寻找适应度函数最小值时对应的煤层初始渗透率和钻孔抽采时间；最后将获得的煤层初始渗透率及钻孔抽采时间代入上述瓦斯流量正演模型，计算确定煤层的瓦斯抽采特征参数。因此本发明能以煤层多场耦合三维模型为基础，将煤层瓦斯抽采特征参数作为目标，搭建基于真实生产资料的煤层抽采特征参数反演算法，从而快速且精准的得出煤层抽采特征参数。附图说明[0060]图1是本发明整体的反演流程图；[0061]图2是本发明中采用粒子群算法寻找适应度函数最小值的流程图；[0062]图3是本发明实施例中煤层几何参数和边界条件图；[0063]图4是本发明实施例中煤层初始渗透率及抽采时间反演结果图；9[0064]图5是本发明实施例中抽采94天时煤层瓦斯压力分布图；[0065]图6是本发明实施例中抽采94天时有效抽采半径图；[0067]图7是本发明实施例中抽采94天时煤层剩余瓦斯分布示意图；[0068]图8是本发明实施例中抽采94天时煤层渗透率分布图。具体实施方式[0072]A):根据瓦斯渗流理论，建立如式(1)所示瓦斯渗流三维流固耦合数学模型：会[0074]式中，G代表煤的剪切模量，MPa,G=E/2(1+v);K和E分别为煤的体积模量和杨氏模层初始压力；p代表煤层瓦斯压力；φ。代表煤层初始孔隙度；φ表示煤层孔隙度， k₀表示煤层初始渗透率；[0075]B):求解式(1)能得到在煤层初始渗透率k₀下任意时刻瓦斯压力分布，并依此得到此时煤层内单位体积煤体瓦斯含量m,如式(2)所示：[0078]将抽采t时刻单位体积煤体内瓦斯量m|对煤体积分，能得到任意体积煤体瓦斯含量M|,如式(3)所示：[0081]C):任意t时刻瓦斯抽采的流量可以表示为：[0084]由式(1)到式(4)得到，瓦斯抽采流量Q为初始渗透率k₀和抽采时间t的函数，即[0086]通过步骤A)-C)能建立抽采瓦斯流量与煤层初始渗透率及钻孔抽采时间之间的关系，即瓦斯流量正演模型，在瓦斯流量正演模型中通过任意给定煤层初始渗透率k₀和抽采时间t能得到该时刻的钻孔瓦斯流量。[0087]步骤二、通过瓦斯流量传感器采集现场瓦斯抽采流量，并将获得的抽采数据进行拟合形成连续函数，该连续函数即为拟合现场瓦斯抽采流量函数，其中拟合现场瓦斯抽采流量函数具体为：[0090]步骤三、将步骤一获得的正演瓦斯流量函数与步骤二获得的拟合现场瓦斯抽采流量函数，两者之间的差函数D(k₀,t)作为适应度函数，其中差函数D(k₀,t)具体为：[0092]式中，下标i=1,2……n,表示监测的数据时间点；[0093]上式中D(k₀,t)值越小，表明反演的煤层初始渗透率k₀和抽采时间t越接近实际值，故以该函数获取最小值为目标。[0094]步骤四、采用粒子群算法寻找使步骤三中适应度函数最小值时对应的煤层初始渗透率和钻孔抽采时间，具体过程为：[0095]①预设粒子群算法的参数：设定算法中种群包含的个体总数N,最大迭代次数ger,粒子运动的最大速度Vmx和最小速度Vmn,个体学习因子c1,社会学习因子c2,惯性因子w,截断误差C;[0096]②确定反演区间边界，并在反演区间内随机生成N个粒子，第i个粒子的初始位置Xi以及粒子变化区间分别如式(7)和式(8)所示：[0099]其中，i=(1,2,3...N),U,T分别代表粒子的渗透率下限和上限；[0100]根据适应度函数D(k₀,t)计算当前粒子位置适应度，比较各粒子适应度后记录种群历史最佳位置Gb_X和此时的种群历史最佳适应度Gb,并初始化粒子群历史最佳位置Pb_X[0101]③开始迭代，更新粒子群位置，第i个粒子的位置更新公式如式(9)所示：[0103]其中，L为当前迭代次数，v{+1表示粒子移动速度，使用式(10)表示[0105]其中粒子惯性因子w,代表粒子具有向自身固有运动方向移动的趋势；个体学习因子c₁和社会学习因子c₂分别赋予粒子个体记忆属性和社会属性，代表粒子有向自身历史最佳位置和种群历史最佳位置靠拢的趋势；r₁,r₂是两个独立的随机参数，使粒子的运动更具随机性，增大了全局寻优的可能性；[0106]上述粒子群算法不设变异过程，容易陷入局部的最优解中，最终无法收敛到全局的最优位置，因此将速度公式中的粒子惯性因子w由固定值更改为随迭代次数变化的变量，[0109]为了避免粒子在寻优过程中步幅过大略过最优位置，因此对粒子的速度v;进行限[0112]④比较当前煤层初始渗透率及抽采时间下的瓦斯流量匹配程度并更新Gb_X,Gb,三次迭代过程中适应度函数D(k₀,t)的变化小于设定的截断误差C;若满足则跳出迭代，输煤的弹性模量(E,MPa)煤体骨架的弹性模量(Es,煤的泊松比(v)煤的密度(Pc,kg/m³)煤基质的初始孔隙率(φo)煤层初始瓦斯压力2标准大气压力(pa,MPa)CH₄的Langmuir压力常数(Pa,CH₄的Langmuir体积常数(V,CH₄的Langmuir体积应变常数(cL)CH₄的动力粘度系数(μ,N·s/m²)标准状态下CH₄的密度[0119]瓦斯抽采模拟初始条件为：[0120]在t=0时刻，煤岩体内瓦斯初始压力为2MPa,边界位移量为0,即：[0122]式中，pl二0和u|二分别代表初始时刻模型内瓦斯压力(MPa)和位移值(m)。[0123]瓦斯抽采模拟边界条件为：[0124]①渗流边界条件：模型外表面边界以及钻孔封孔段壁面设置无流动边界条件，抽采段按抽采负压设置定压力边