葉樹剛

?

基于統(tǒng)計模型的煤層氣含量預測方法研究及應用

葉樹剛

(中煤科工集團 西安研究院有限公司，陜西 西安 710077)

基于概率統(tǒng)計理論，假設儲層參數和測井信息服從某種統(tǒng)計規(guī)律，就可以把測井響應信息當作是隨機變量,利用測井數據間接預測煤層氣含量。通過河北某煤田6煤已知的6個鉆孔的測井數據與實驗室瓦斯吸附試驗得到的瓦斯含量建立了多元回歸關系，對另外10口井的瓦斯含量進行了預測，與實驗室煤層氣瓦斯吸附實驗測量值進行對比，發(fā)現與傳統(tǒng)的一元回歸預測相比，多元回歸預測更加準確。最后結合地震反演數據完成了對6煤瓦斯含量的預測。

煤層氣含量；多元回歸；統(tǒng)計模型 ；地震反演

(Xi’anResearchInstitute,CCTEG,Xi’anShanxi710077,China)

1 引 言

目前已提出的煤層氣儲層測井評價技術基本可分為基于常規(guī)天然氣儲層評價理論的定性識別方法、基于概率統(tǒng)計模型的儲層評價方法、基于體積模型的儲層評價方法和基于神經網絡模型的儲層預測方法四類[1,2]。

基于概率統(tǒng)計模型的儲層評價方法的思想，業(yè)界已經做出了大量研究，其應用前提是假設儲層參數和測井信息服從某種概率統(tǒng)計分布，且儲層評價結果與測井響應之間存在某種(線性或非線性)關系[3,4]。

李紀森[5]指出各個地區(qū)的煤層氣含量和煤的體積密度具有較好的線性關系，從而利用煤的體積密度和煤層氣含量的交會圖建立了測井體積密度和煤層氣含量的線性回歸公式。董紅[6]在基于測井資料評價遼河油田東部凹陷煤層的研究中發(fā)現，在收集煤層氣含量資料進行深度歸位后，實際氣含量與工業(yè)組分灰分具有很好的相關關系，從而建立了氣含量和灰分之間的回歸曲線方程。

煤儲層的本身特性決定了煤層氣含量與測井參數(密度、自然伽馬、電阻率、聲波時差、自然電位)之間存在密切的關系[7]，因此建立煤層氣含量與測井參數的多元回歸關系，以此來進行煤層氣含量的預測從理論上講更為合理，本文就這一問題展開詳細討論。

2 煤層氣含量與測井參數回歸關系的建立

為了研究煤層氣含量與測井參數之間的關系，本文對河北某煤田6煤13-1、20-3、24-5、28-3、35-2和46-1六個鉆孔的測井數據(表1)和實驗室瓦斯吸附試驗得到的瓦斯含量(表2)進行了整理和分析。整理過程中對測井參數進行了歸一化處理，目的是為了克服參與回歸分析的數據因數量級及單位量綱不同帶來的影響[8-10]。

6口井的密度、聲波時差和自然伽馬歸一化值與煤層氣含量之間的擬合關系如圖1所示。

表1 6煤6口井測井參數

表2 6煤6口井實驗室測得的瓦斯含量

圖1 6煤6口井的測井參數與煤層氣擬合關系(說明：本圖橫坐標均為歸一化值，無量綱)Fig.1 Fitting relationship between logging parameters and gas content of six wells in No.6 coal seam

從圖1的擬合情況來看，煤層氣含量與密度存在負相關關系，而與聲波時差、自然伽馬之間存在較為明顯的正相關關系。

選擇聲波時差和煤層氣含量做一元回歸分析，建立如下的預測方程：

Gas= 49.8×AC2-64.69×AC+23.33

(1)

式(1)中：Gas為煤層氣含量，ml/g；AC為聲波時差歸一化值(無量綱)。

選擇密度、聲波時差和自然伽馬與煤層氣含量做多元回歸分析，建立如下的預測方程：

Gas= 2.08-14.38× DEN-2.98× AC

+21.81×GR

(2)

式(2)中：DEN為密度歸一化值(無量綱)；AC為聲波時差歸一化值(無量綱)；GR為自然伽馬歸一化值(無量綱)。

3 線性回歸與多元回歸預測及誤差分析

根據上述回歸方程(式1和式2)，對6煤另外10口井的煤層氣含量進行預測,結果及誤差統(tǒng)計如表3和表4所示。

通過下面兩組數據的分析，可以發(fā)現：

1)通過建立多元回歸方程對煤層氣含量的預測相比一元回歸方程來講，更為準確。

2)盡管預測結果在可接受的范圍內， 但還是有較大誤差，這與取得回歸方程的樣本數太少有一定關系， 當然也不排除實驗室測得的數據存在個別異常值的可能性。

表3 一元回歸方程預測煤層氣含量結果及誤差

表4 多元回歸方程預測煤層氣含量結果及誤差

3)基于上述2點認識，在實際預測煤層氣含量時，應盡可能多地選取鉆孔測井資料建立多元回歸方程，將預測結果的誤差降低到最小。

4 應用實例

測井數據只能從“點上”反應煤層氣含量的大致情況。因此，結合本區(qū)地震勘探資料，通過反演可計算出全區(qū)密度和聲波時差數據[8，9](圖2和圖3)，并進行歸一化處理。利用已知的16口井測井參數，建立了密度、聲波時差與煤層氣含量的二元回歸方程(式3)，實現了對整個工區(qū)6煤煤層氣含量的預測(圖4)。(說明：應用實例所得結果暫無鉆孔驗證。)

Gas =4.25-6.64×DEN+1.73×AC

(3)

圖2 6煤密度等值線(單位:g/cm3，1 CDP=10 m)Fig.2 Density contour map of No.6 coal seam (unit: g/cm3, 1 CDP=10 m)

圖3 6煤聲波時差等值線(單位:ms/m，1 CDP=10 m)Fig.3 Acoustic time difference contour map of No.6 coal seam (unit: ms/m，1 CDP=10 m)

圖4 6煤煤層氣含量等值線(1 CDP=10 m)Fig.4 Coal bed gas content contour map of No.6 coal seam (1 CDP=10 m)

5 結 論

1)通過對實際數據的計算對比，發(fā)現多元回歸方程對煤層氣含量的預測相比一元回歸方程精度更高。

2)通過建立已知鉆孔的測井數據和實驗室瓦斯吸附實驗得到的瓦斯含量值之間的多元回歸關系式對煤層含氣量進行預測是可行的，前提是需要有盡可能多的相關性較好的已知資料(至少3口井的測井資料)。

3)應用測井成果和實測煤質參數建立起來的關系必須結合地震數據才能實現對整個工區(qū)煤層氣的分布情況進行預測。 本文利用該區(qū)地震資料，結合測井成果和已知鉆孔煤樣的揮發(fā)份建立起的相關關系，成功地預測了6煤煤層氣的區(qū)域含量。

[1]田靖安,王亮,程遠科,等.煤層瓦斯壓力分布規(guī)律及預測方法[J].采礦與安全工程學報，2008，25(4):481-485.

[2]吳有信.地震勘探技術在解釋地質異常體的應用分析[J].工程地球物理學報，2012,9(4):473-474.

[3]羅貞耀.用側向資料計算裂縫張開度的初步研究[J].地球物理測井，1990,14(2):83-92.

[4]張向鵬，聶榮花.地震勘探技術在解釋地質異常體的應用分析[J].工程地球物理學報，2013,10(4):465-467.

[5]李紀森. 煤層氣測井技術與解釋分析[J].測井技術,1999,23(2):103-107.

[6]董紅.基于測井資料評價遼河油田東部凹陷煤層[J].中國煤層氣,2007,4(4):39-42.

[7]胡蓮蓮，葉樹剛,蘆俊,等.關于單點高密度地震數據的室內組合分析[J].地球物理學進展，2010,25(6):2 115-2 124.

[8]王敦則,蔚遠江,覃世銀,等.煤層氣地球物理測井技術發(fā)展綜述[J].地球學報，2003，24(4)：385-390.

[9]全裕科.影響煤層氣含量若干因素初探.天然氣工業(yè),1995,15(5):1-5.

[10]張建寧.地震速度譜資料預測地層壓力的陷阱分析[J].勘探地球物理進展，2005,28(1):51-56.

The Research of Coalbed Methane Content Prediction Method Based on Statistical Model and Its Application

Ye Shugang

Based on the theory of probability and statistics, if reservoir parameters and logging information can be assumed to be a certain statistical regularity, we may consider the logging response information as random variables, so we can use the logging data to predict coalbed gas content indirectly. In this paper, by the study of the six known logging data and laboratory test of gas content of No.6 coal seam in Hebei, the multi-regression relationship was established. Meanwhile, using the multiple regression prediction method, the gas content of the other 10 wells was predicted, and compared with the one element regression prediction method, the result of the multi-regression prediction method is more accurate. Finally, the 6 coal gas content was predicted combined with seismic inversion data.

coalbed methane content; multi-regression; statistical model; seismic inversion

1672—7940(2016)05—0586—04

10.3969/j.issn.1672-7940.2016.05.005

國家自然科學基金項目(青年基金)(編號：41104087)；中煤科工集團西安研究院有限公司科技創(chuàng)新基金重點項目(編號：2015XAYZD12)

葉樹剛(1985-)，男，助理研究員，主要從事煤田三維地震勘探研究及應用工作。E-mail:yeshugang68@163.com

P631.8

A

2016-05-13