在哈尔滨市科技局资金资助下，以强非匀质性的煤层气储层参数预测为主线，系统分析交叉熵理论预测特性、大规模"井震"数据约简及参数预测模型的构建等前沿问题，深入矿区获取测井数据和地震属性原始样本集，建立煤层气储层参数预测模型并完成了给定矿区的预测结论。主要创新点如下： 1、理论算法方面 在分析组合型和连续型交叉熵算法在电网故障检测，多规划任务分配问题和多处理机调度问题等方面应用的基础上，凝练以交叉熵理论为基础的这种全局随机优化算法的优势，提出多种结合其他智能技术的改进算法，证明该理论算法高效，可行。特别利用支持向量机在处理小样本数据情况下独特的优势，提出一种基于交叉熵算法优化支持向量机的方法。利用测试样本评价预测模型的有效性，为煤层气的勘探、开采和利用提供强有力的技术支持。 2、储层参数预测方面 （1）针对煤层气储层参数属性离散化，提出一种利用改进型交叉熵算法优化粗糙集的方法。最优离散化已被证明是NP-hard问题，利用组合型交叉熵优化粗糙集的离散化方法。通过构建优化模型，对某地区的煤层气储层参数进行离散化。 （2）主要利用交叉熵算法优化BP神经网络（CE-BP）的权值和阈值，以此训练BP神经网络的预测模型，最终获得最优解。结合某矿区的实际地质特性，分别将改进后的算法和传统方法（灰色关联分析技术、测井法）应用到煤层气含量预测中，并将含气量的预测值与真实值进行对比分析。交叉熵算法优化BP神经网络（CE-BP）算法的预测误差为2.16%，BP神经网络（BP）算法是10.53%，灰色理论为7.51%。交叉熵算法优化BP神经网络算法具有较高的准确性。 （3）针对煤层气储层渗透率参数预测问题，提出一种交叉熵优化支持向量机的煤层气渗透率预测新方法。利用 UCI 数据库中的数据，将该方法预测结果与粒子群算法、遗传算法的预测结果进行对比。结合某矿区实际地质特性，用该算法对该矿区煤层气储层 渗透率参数进行预测，得出大部分被测试数据的相对误差率达到 1% 左右，除了个别数据超过 20%，总体分布较稳定。该矿区渗透率参数的预测值和真实值分布图大体一致。该算法可行，且优于其他算法，可以为煤层气储层参数的预测提供算法保障。

黑龙江科技大学

该项目为储备库项目资源，暂无效益分析内容。