摘要: 煤体结构的定量识别是煤层和煤层气等资源勘探开发中的关键性问题之一。本次研究以鄂尔多 斯盆地 A 地区煤岩为研究对象,选取5条常规测井曲线井径 CAL、自然伽马 GR、声波时差 AC、补偿中子 CNL和密度 DEN 曲线,构建基于 LSTM 神经网络的煤体结构识别模型,实现了煤体结构的定量识别。研 究 表 明 ,随 着 煤 层 被 破 坏 程 度 的 增 大 ,构 造 煤 具 有 DEN 曲 线 和 GR 曲 线 值 偏 低 ,AC 曲 线 、CNL 曲 线 和 CAL 曲 线 值 偏 大 的 特 征 ;LSTM 网 络 模 型 参 数 是 影 响 模 型 识 别 准 确 度 的 重 要 因 素 ,通 过 多 次 试 验 得 出 网 络 训 练 的 迭 代 次 数 、LSTM 神 经 网 络 包 含 的 隐 藏 单 元 数 和 数 据 最 小 分 块 尺 寸 参 数 的 最 优 值 分 别 为 800、32 和 28;基于 LSTM 神经网络的煤体结构识别模型准确度达到85.5%,并且利用未参与模型构建的验证井进 行可靠性的验证,认为该方法可有效识别煤体结构,基本满足实际生产的需求,对于相似地区煤体结构的 识别也具有一定的借鉴意义。