基于聚煤環(huán)境分區(qū)的煤體結(jié)構(gòu)測井判別及應(yīng)用——以沁水盆地南部馬必東地區(qū)為例

張建國，韓 晟，張 聰，陳彥君

基于聚煤環(huán)境分區(qū)的煤體結(jié)構(gòu)測井判別及應(yīng)用——以沁水盆地南部馬必東地區(qū)為例

張建國1，韓 晟2，張 聰1，陳彥君2

(1. 中國石油天然氣股份有限公司華北油田分公司山西煤層氣開發(fā)分公司，山西 晉城 048000；2. 中國石油天然氣股份有限公司華北油田分公司勘探開發(fā)研究院，河北 任丘 062552)

煤體結(jié)構(gòu)的測井曲線判別是一種高效經(jīng)濟(jì)的地球物理判別方法，但是受沉積環(huán)境和煤儲層物性等因素影響，測井曲線具有多解性，造成煤體結(jié)構(gòu)測井響應(yīng)不明顯，由此得到的判別方法也會有區(qū)域局限性。因此，在進(jìn)行測井判別之前，需要對除煤體結(jié)構(gòu)以外的影響測井曲線的因素加以控制。以沁水盆地馬必東區(qū)塊3號煤為例，首先利用煤心灰分與伽馬測井曲線的正相關(guān)性進(jìn)行煤心歸位，以確保測井深度與取心深度的一致性；再利用煤心的鏡質(zhì)組與惰質(zhì)組含量之比(鏡惰比)對工區(qū)的聚煤環(huán)境進(jìn)行分區(qū)，并優(yōu)選聚煤環(huán)境相近分區(qū)的測井曲線。結(jié)果表明，電阻率系列曲線可以較清晰地反映該地區(qū)的煤體結(jié)構(gòu)，受探測深度的影響，聲波曲線無法準(zhǔn)確地反映該地區(qū)煤體結(jié)構(gòu)的變化規(guī)律。利用取心井訓(xùn)練的多測井曲線隨機(jī)森林模型對未取心井煤體結(jié)構(gòu)進(jìn)行預(yù)測和判定，實(shí)測壓裂曲線檢驗(yàn)表明，預(yù)測結(jié)果與實(shí)測數(shù)據(jù)吻合率高。應(yīng)用表明，基于聚煤環(huán)境分區(qū)的煤體結(jié)構(gòu)測井判別方法可以反映煤體結(jié)構(gòu)分布規(guī)律，指導(dǎo)壓裂工作，降低煤層氣開發(fā)成本，且有助于指導(dǎo)跨區(qū)塊的煤體結(jié)構(gòu)測井響應(yīng)研究。

煤體結(jié)構(gòu)；測井響應(yīng)；聚煤環(huán)境；煤心歸位；隨機(jī)森林方法；顯微組分

煤體結(jié)構(gòu)影響煤儲層的物理、化學(xué)性質(zhì)[1]，進(jìn)而造成煤層氣儲存、運(yùn)移、產(chǎn)出的差異。因此，煤體結(jié)構(gòu)是制約煤層氣勘探開發(fā)的重要因素。

煤體結(jié)構(gòu)的主要判別方式可以分為3類。① 直接觀察法，即直接觀察煤心或煤壁的特征來判斷煤體結(jié)構(gòu)；該方法的判別結(jié)果可靠，但成本較高，所以難以大規(guī)模應(yīng)用。② 成因預(yù)測法，即綜合區(qū)塊的構(gòu)造、應(yīng)力、沉積等特征間接推斷煤體結(jié)構(gòu)[2-3]，該方法適合對煤體結(jié)構(gòu)的橫向展布進(jìn)行預(yù)測，但不易解釋煤體結(jié)構(gòu)的縱向變化規(guī)律。③ 地球物理判別法，即利用不同煤體結(jié)構(gòu)的地球物理響應(yīng)差異來判別煤體結(jié)構(gòu)，比如使用地震數(shù)據(jù)[4]或測井?dāng)?shù)據(jù)[5-7]。其中測井曲線判別方法比較常用，因?yàn)槠渑袆e結(jié)果的縱向分辨率較高且應(yīng)用成本適中。

測井判別中常用的方法有5種。① 曲線形態(tài)法[8]，通過研究不同煤體結(jié)構(gòu)在不同測井曲線上的形態(tài)特征來判斷煤體結(jié)構(gòu)，該方法人工參與較多，主觀性較強(qiáng)，不同人識別的結(jié)果可能差異較大。② 經(jīng)驗(yàn)公式法[9]，即通過不同測井曲線的煤體結(jié)構(gòu)響應(yīng)特征，利用若干種測井曲線的簡單函數(shù)運(yùn)算組成一個(gè)指示煤體結(jié)構(gòu)的經(jīng)驗(yàn)公式；該經(jīng)驗(yàn)公式可以定量判別煤體結(jié)構(gòu)的好壞。該方法計(jì)算過程易于理解，可是判別結(jié)果的準(zhǔn)確率有限，地區(qū)局限性比較強(qiáng)，經(jīng)驗(yàn)公式不易推廣；特別是在處理大量測井?dāng)?shù)據(jù)時(shí) ，經(jīng)驗(yàn)公式不容易通過人工來歸納總結(jié)。③ 回歸公式法[10]，首先將煤體結(jié)構(gòu)量化，比如使用地質(zhì)強(qiáng)度因子GSI，再將GSI與多條測井曲線進(jìn)行多元回歸，得到指示煤體結(jié)構(gòu)的回歸公式。該方法通過回歸公式來進(jìn)行特征提煉，適合處理大數(shù)據(jù)。④ 聚類分析法[11]，是一種無監(jiān)督的機(jī)器學(xué)習(xí)方法，首先優(yōu)選出對于煤體結(jié)構(gòu)敏感的幾條測井曲線作為樣本集，再通過聚類方法將輸入的樣本集依據(jù)其數(shù)值及其組合特征進(jìn)行自動(dòng)分類。該方法在處理大數(shù)據(jù)和有較大噪音樣本集時(shí)，可能不易得到穩(wěn)定的聚類結(jié)果，且判別結(jié)果的準(zhǔn)確程度依賴于煤體結(jié)構(gòu)敏感曲線的優(yōu)選。⑤ BP神經(jīng)網(wǎng)絡(luò)方法[12]，該方法是一種有監(jiān)督的機(jī)器學(xué)習(xí)方法，使用取心井的不同測井曲線作為樣本集，再使用巖心觀察得到的煤體結(jié)構(gòu)作為標(biāo)簽集，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對非取心井進(jìn)行煤體結(jié)構(gòu)判別。該方法的判別結(jié)果比較準(zhǔn)確，但訓(xùn)練好神經(jīng)網(wǎng)絡(luò)的映射過程不易理解，不方便對煤體結(jié)構(gòu)的判別規(guī)律進(jìn)行研究。

測井?dāng)?shù)據(jù)存在多解性，也就是說煤體結(jié)構(gòu)并非是影響測井曲線的唯一因素，如果沒有控制好其他影響測井曲線的因素，得到判別結(jié)果的準(zhǔn)確度不高。上述方法均沒有對影響測井曲線的其他因素加以控制。

沁水盆地馬必東地區(qū)煤體結(jié)構(gòu)比較復(fù)雜，目前對于該地區(qū)的煤體結(jié)構(gòu)的測井響應(yīng)尚不明確，所以利用測井?dāng)?shù)據(jù)對煤體結(jié)構(gòu)進(jìn)行判別的以上方法應(yīng)用較難。在對該工區(qū)3號煤的煤體結(jié)構(gòu)研究過程中發(fā)現(xiàn)：不同煤體結(jié)構(gòu)產(chǎn)生的原因可以歸結(jié)為內(nèi)部因素和外部因素兩種：外因即構(gòu)造應(yīng)力，在其他條件相同的情況下，地應(yīng)力越集中的地方煤巖越容易破碎[2]；內(nèi)因即煤質(zhì)，在地應(yīng)力相同的情況下，煤巖機(jī)械強(qiáng)度越低的部位越容易破碎[13-14]，而內(nèi)因的形成原因可以歸結(jié)為煤巖的沉積環(huán)境的差異。筆者首先通過煤巖顯微組分進(jìn)行聚煤環(huán)境分區(qū)，控制好影響測井曲線的其他因素，再研究不同沉積環(huán)境下的煤體結(jié)構(gòu)測井響應(yīng)關(guān)系，最終得到較準(zhǔn)確的煤體結(jié)構(gòu)測井判別模型，以期指導(dǎo)研究區(qū)煤層氣勘探開發(fā)，并為其他類似地區(qū)煤體機(jī)構(gòu)測井響應(yīng)提供新思路。

1 研究區(qū)概況

馬必東工區(qū)位于沁水盆地南部的西斜坡洼槽帶，屬于中深層煤層氣勘探開發(fā)區(qū)，煤層氣儲層為高階無煙煤，煤層氣主要以吸附方式賦存在儲層中[1]。該地區(qū)含有2套產(chǎn)氣層：一套是位于下二疊統(tǒng)山西組的3號煤，該煤層沉積環(huán)境為三角洲—沼澤相，煤層平均厚度為7 m，煤層頂?shù)装寰心鄮r封堵。另一套是位于下二疊統(tǒng)–上石炭統(tǒng)太原組15號煤，該煤層沉積環(huán)境為潮坪–潟湖相，煤層平均厚度為5 m，其頂板有灰?guī)r發(fā)育。其中，3號煤分布廣，且煤層較厚，是該區(qū)塊的主力產(chǎn)氣層，也是本次的研究對象。

該區(qū)塊主要經(jīng)歷燕山、喜馬拉雅期兩期構(gòu)造運(yùn)動(dòng)，其中燕山期主要為隆升運(yùn)動(dòng)，地表受到剝蝕作用；喜馬拉雅期主要為西抬東傾運(yùn)動(dòng)。斷裂方向主要為北向和北北西向。區(qū)塊的東西部存在2條隆起帶。

取心井共有15口，位置如圖1所示，煤心樣品共計(jì)95塊，工區(qū)面積約127 km2。

圖1 馬必東地區(qū)鏡惰比分布

2 煤心歸位

以煤心觀察的煤體結(jié)構(gòu)為標(biāo)準(zhǔn)來研究不同煤體結(jié)構(gòu)的測井響應(yīng)關(guān)系。首先需要保證煤心深度與測井深度的一致性，利用灰分與自然伽馬的正相關(guān)性[15]進(jìn)行煤心歸位。在保證煤心順序正確的情況下，計(jì)算每口井煤心的灰分含量與不同深度段上自然伽馬測井值的Pearson相關(guān)系數(shù)。當(dāng)相關(guān)系數(shù)最大時(shí)，認(rèn)為煤心歸位到準(zhǔn)確深度。

Pearson 相關(guān)系數(shù)計(jì)算公式[16]如下：

設(shè)定煤心深度在原始深度處上下偏移2 m，再以測井采樣間隔為步長，提取若干組自然伽馬測井值。將每組煤心灰分和自然伽馬測井值代入式(1)，計(jì)算相關(guān)系數(shù)。相關(guān)系數(shù)最大值對應(yīng)的測井偏移值即為煤心深度應(yīng)該校正的深度值。

使用該方法可以通過編程自動(dòng)校正煤心深度，后期再依據(jù)煤心特征與其他測井曲線變化規(guī)律人工檢查校正是否準(zhǔn)確。表1為煤心歸位前的測井曲線與煤心煤質(zhì)、煤巖等的相關(guān)系數(shù)，相關(guān)系數(shù)絕對值的平均值為0.105，最大值為–0.28；表2為經(jīng)過煤心歸位的后測井曲線與煤心煤質(zhì)、煤巖等的相關(guān)系數(shù)，相關(guān)系數(shù)絕對值的平均值為 0.19，最大值為–0.64；對比校正前，說明煤心參數(shù)與測井的相關(guān)程度得到了很大的提升。

3 聚煤環(huán)境分區(qū)

煤的形成需要經(jīng)過泥炭化作用和煤化作用兩個(gè)階段[17]。馬必東地區(qū)煤的鏡質(zhì)體最大反射率為2.43%～3.26%，均為高階無煙煤。煤巖性質(zhì)差異大概率取決于泥炭化作用所處的聚煤環(huán)境。

顯微組分中的鏡惰比[18]可以反映聚煤環(huán)境。鏡質(zhì)組是由植物遺體受凝膠化作用形成的，在靜水低能的還原沼澤環(huán)境容易發(fā)生；惰質(zhì)組組分是由植物遺體受絲炭化作用形成的，在淺水高能的氧化沼澤環(huán)境容易發(fā)生[19]。因此，使用鏡質(zhì)組與惰質(zhì)組的比值作為泥炭氧化程度指標(biāo)。圖1為使用取心井?dāng)?shù)據(jù)繪制的鏡惰比趨勢圖，從圖中可以看出馬必東地區(qū)可以分為東北區(qū)和西南區(qū)兩個(gè)區(qū)域，其中東北區(qū)偏靜水低能的還原環(huán)境，而西南區(qū)域?yàn)槠珳\水的氧化環(huán)境。

表1 煤心歸位前煤心參數(shù)與測井曲線Pearson相關(guān)系數(shù)

表2 煤心歸位后煤心參數(shù)與測井曲線Pearson相關(guān)系數(shù)

4 煤體結(jié)構(gòu)的測井響應(yīng)

圖2a為全區(qū)所有探井的煤體結(jié)構(gòu)測井響應(yīng)概率密度圖，不同煤體結(jié)構(gòu)的概率密度曲線在各個(gè)測井曲線上的重疊現(xiàn)象嚴(yán)重，說明該區(qū)塊的煤體結(jié)構(gòu)測井響應(yīng)不明顯。

圖2b為偏靜水低能環(huán)境的煤體結(jié)構(gòu)測井響應(yīng)概率密度圖，對比分區(qū)之前的響應(yīng)概率密度圖(圖2a)，不同煤體結(jié)構(gòu)在各個(gè)測井曲線上的重疊現(xiàn)象有所減弱。其中，電阻率系列測井曲線最為敏感。在深側(cè)向上，碎粒煤與原生結(jié)構(gòu)煤(碎裂煤)的概率曲線分離比較明顯，在沖洗帶電阻率上，原生結(jié)構(gòu)煤與碎裂煤(碎粒煤)分離比較明顯。而且煤體結(jié)構(gòu)的測井響應(yīng)與前人的認(rèn)識一致：煤體結(jié)構(gòu)越破碎，電阻率越低，這是因?yàn)闃?gòu)造煤的外生裂隙比較發(fā)育，會造成該部分煤層的孔隙率和含水量的增加[20]；另外構(gòu)造煤中自由基和小分子含量較多[21]，會增強(qiáng)煤的離子導(dǎo)電作用。值得注意的是，在馬必東地區(qū)，聲波時(shí)差測井曲線并不能很好地反映煤體結(jié)構(gòu)的變化規(guī)律。這可能是由聲波時(shí)差的探測深度較淺導(dǎo)致的，根據(jù)胡社榮等[22]的研究發(fā)現(xiàn)，常規(guī)聲波測井的探測深度一般在沖洗帶以內(nèi)，而深側(cè)向測井可以達(dá)到侵入帶以外。圖3展示了該分區(qū)樣品的聲波時(shí)差和井徑與沖洗帶電阻率的交會圖，可以看出其相關(guān)程度較高，Pearson相關(guān)系數(shù)分別為0.69和–0.53。 因此，聲波時(shí)差測井可能受擴(kuò)徑和泥漿入侵的影響比較嚴(yán)重。

圖2c為淺水高能環(huán)境的煤體結(jié)構(gòu)測井響應(yīng)直方圖，對比分區(qū)前的響應(yīng)圖，雖然不同煤體結(jié)構(gòu)在測井上的分離程度都有所提升，但是仍然不能通過測井曲線有效判別煤體結(jié)構(gòu)。如果假設(shè)該區(qū)域的測井曲線只受煤體結(jié)構(gòu)和顯微組分兩個(gè)因素影響，通過前人的研究已知原生結(jié)構(gòu)煤的電阻率大于構(gòu)造煤，由圖4可知，當(dāng)鏡質(zhì)組含量增加時(shí)，電阻率增大。那么鏡質(zhì)組含量高的原生結(jié)構(gòu)煤對應(yīng)的電阻率應(yīng)該最大，其次是鏡質(zhì)組含量低的原生結(jié)構(gòu)煤和鏡質(zhì)組含量高的構(gòu)造煤，而鏡質(zhì)組含量低的構(gòu)造煤的電阻率最低。鏡質(zhì)組含量高的煤的節(jié)理較為發(fā)育[23]，是煤層氣賦存連通的有利因素。因此可以推斷，雖然該區(qū)塊的煤體結(jié)構(gòu)的測井響應(yīng)不明顯，但電阻率高的部位是煤層氣勘探開發(fā)的有利區(qū)域。

從開發(fā)井的數(shù)量來看，90%以上的開發(fā)井位于靜水低能區(qū)域；而且該區(qū)域的煤體結(jié)構(gòu)測井響應(yīng)比較明顯，因此，測井判別將以東北區(qū)塊為研究對象。

5 測井曲線綜合判別

隨機(jī)森林方法使用Bootstrap抽樣方法從原始樣本集中隨機(jī)獨(dú)立采集多套樣本子集，并利用樣本子集進(jìn)行決策樹建模，最終綜合所有決策樹的結(jié)果進(jìn)行判別[24]，過程如圖5所示。隨機(jī)森林方法不僅適用于小樣本數(shù)量的判別問題，而且可以給出每個(gè)特征屬性(即輸入的每種測井曲線類型)在最終結(jié)果中所占的比例。

圖3 測井曲線交會圖

圖4 西南區(qū)鏡質(zhì)組含量與深側(cè)向電阻率交會圖

本次實(shí)驗(yàn)的樣本集為馬必東地區(qū)靜水低能區(qū)域的45塊取心樣本所對應(yīng)的深側(cè)向電阻率、沖洗帶電阻率、自然伽馬數(shù)據(jù)(研究區(qū)對煤體結(jié)構(gòu)比較敏感的測井曲線)；標(biāo)簽集為取心樣本所對應(yīng)的煤心觀察獲得的煤體結(jié)構(gòu)，原生結(jié)構(gòu)煤(14塊)的標(biāo)簽值為0，碎裂煤(21塊)為1，碎粒煤(9塊)為2，由于取心中的糜棱煤只有1塊，將糜棱煤的標(biāo)簽也定為2，夾矸的數(shù)據(jù)為3。首先，使用 Bootstrap 抽樣方法從45塊取心樣品中隨機(jī)獨(dú)立采集57套樣本子集及對應(yīng)的標(biāo)簽集(經(jīng)測試，本實(shí)驗(yàn)樣本使用57棵決策樹，判別結(jié)果的準(zhǔn)確率最高)；再將樣本子集分別建立決策樹，決策樹使用交叉熵作為不純度計(jì)算方法，不使用剪枝操作，決策樹的判別結(jié)果為當(dāng)前樣本子集不純度最低分類方案；最后將57棵決策樹的判別結(jié)果進(jìn)行投票判別，得票數(shù)高的煤體結(jié)構(gòu)類型即為該樣品的最終判別結(jié)果。由于Bootstrap抽樣方法本身的性質(zhì)，使得樣本總集中約37%的樣品不會存在于樣本子集中，這部分樣品被稱為袋外數(shù)據(jù)[24]，所以可以使用袋外數(shù)據(jù)作為測試集。經(jīng)過多次實(shí)驗(yàn)驗(yàn)證，本次隨機(jī)森林方法的判別結(jié)果在測試集上的準(zhǔn)確率穩(wěn)定在83.7%左右。

圖5 隨機(jī)森林判別方法

6 應(yīng)用及效果

利用上文中訓(xùn)練好的隨機(jī)森林模型對未取心井進(jìn)行判別。這里以m30-10 、m42-9和m10-2，3口未取心井為例進(jìn)行預(yù)測。首先將測井煤層段對應(yīng)的深側(cè)向、沖洗帶電阻率和自然伽馬曲線進(jìn)行采樣以減少冗余數(shù)據(jù)，再將采樣后的數(shù)據(jù)輸入隨機(jī)森林模型。圖6a—圖6c即為3口井在不同深度段對應(yīng)的煤體結(jié)構(gòu)預(yù)測結(jié)果。

為了驗(yàn)證煤體結(jié)構(gòu)判別結(jié)果的可靠性，采用對應(yīng)井的壓裂數(shù)據(jù)進(jìn)行檢驗(yàn)。原生結(jié)構(gòu)煤比例高的井壓裂效果好，而占比低的井壓裂效果差。煤層氣壓裂曲線可以分為4種：穩(wěn)定型、穩(wěn)定波動(dòng)型、下降型和波動(dòng)型，壓裂效果由好到差[25]。

由圖6測井曲線預(yù)測結(jié)果可知，m30-10井的原生結(jié)構(gòu)煤比例約為 82%；m42-9井原生結(jié)構(gòu)煤比大約為73%；m10-2井的原生結(jié)構(gòu)煤比例約為49%。

由壓裂曲線(圖7)可知，m30-10井的壓裂曲線屬于高壓穩(wěn)定型，破裂壓力明顯，且套壓可以穩(wěn)定維持在較高的壓力水平，壓裂效果好。m42-9井的壓裂曲線屬于穩(wěn)定波動(dòng)型，破裂壓力不明顯，套壓較高但有波動(dòng)現(xiàn)象，壓裂效果較好。m10-2井壓裂曲線，套壓雖然穩(wěn)定但低于20 MPa，且破裂壓力不明顯，壓裂效果差。

綜上實(shí)驗(yàn)結(jié)果，說明該隨機(jī)森林模型的預(yù)測判別結(jié)果與實(shí)際壓裂效果基本一致，原生結(jié)構(gòu)煤占比越高壓裂效果越好。

7 結(jié)論

a. 煤體結(jié)構(gòu)的差異是由外因和內(nèi)因兩種因素決定的，外因即煤體受到的構(gòu)造應(yīng)力的強(qiáng)弱；內(nèi)因即煤巖煤質(zhì)。利用測井曲線判識煤體結(jié)構(gòu)，首先要做好煤心歸位，即保證煤心樣品對應(yīng)的測井深度的準(zhǔn)確性；同時(shí)要進(jìn)行沉積環(huán)境的分區(qū)工作，在同一沉積環(huán)境下研究煤體結(jié)構(gòu)，以降低測井曲線的多解性，找到對煤體結(jié)構(gòu)敏感的測井曲線參數(shù)。

b. 沁水盆地馬必東地區(qū)，電阻率系列曲線可以較清晰地反映煤體結(jié)構(gòu)的變化規(guī)律。而聲波時(shí)差曲線可能受鉆井?dāng)U徑、泥漿入侵和探測深度淺的影響無法有效反映煤體結(jié)構(gòu)的變化規(guī)律。

c. 以深側(cè)向電阻率、沖洗帶電阻率和自然伽馬測井曲線為輸入的隨機(jī)森林判別模型，可以較準(zhǔn)確地判別煤體結(jié)構(gòu)，且判別結(jié)果可以指導(dǎo)壓裂工作，有效降低煤層氣開發(fā)成本。

[1] 蘇現(xiàn)波，陳江峰，孫俊民，等. 煤層氣地質(zhì)學(xué)與勘探開發(fā)[M]. 北京：科學(xué)出版社，2001.

SU Xianbo，CHEN Jiangfeng，SUN Junmin，et al. Coalbed methane geology and exploration and development[M]. Beijing：Science Press，2001.

[2] 倪小明，蘇現(xiàn)波，張小東. 煤層氣開發(fā)地質(zhì)學(xué)[M]. 北京：化學(xué)工業(yè)出版社，2010.

NI Xiaoming，SU Xianbo，ZHANG Xiaodong. Coal bed methane development geology[M]. Beijing：Chemical Industry Press，2010.

[3] 袁崇孚. 構(gòu)造煤和煤與瓦斯突出[J]. 瓦斯地質(zhì)，1986(1)：32–33.

YUAN Chongfu. Structural coal，coal and gas outburst[J]. Gas Geology，1986(1)：32–33.

[4] 湯友誼，孫四清，田高嶺. 測井曲線計(jì)算機(jī)識別構(gòu)造軟煤的研究[J]. 煤炭學(xué)報(bào)，2005，30(3)：293–296.

TANG Youyi，SUN Siqing，TIAN Gaoling. Study of computer identifying on tectonic soft coal with well log[J]. Journal of China Coal Society，2005，30(3)：293–296．

[5] 姜波，秦勇，琚宜文，等. 煤層氣成藏的構(gòu)造應(yīng)力場研究[J]. 中國礦業(yè)大學(xué)學(xué)報(bào)，2005，34(5)：564–569.

JIANG Bo，QIN Yong，JU Yiwen，et al. Research on tectonic stress field of generate and reservoir of coalbed methane[J]. Journal of China University of Mining & Technology，2005，34(5)：564–569.

[6] 琚宜文，姜波，侯泉林，等. 構(gòu)造煤結(jié)構(gòu)–成因新分類及其地質(zhì)意義[J]. 煤炭學(xué)報(bào)，2004，29(5)：513–517.

JU Yiwen，JIANG Bo，HOU Quanlin，et al. The new structure-genetic classification system in tectonically deformed coals and its geological significance[J]. Journal of China Coal Society，2004，29(5)：513–517.

[7] 馬麗，陳同俊，王新，等. 構(gòu)造煤厚度定量預(yù)測技術(shù)新進(jìn)展[J]. 煤田地質(zhì)與勘探，2018，46(5)：66–72.

MA Li，CHEN Tongjun，WANG Xin，et al. Recent progress of quantitative prediction of tectonic coal thickness[J]. Coal Geology & Exploration，2018，46(5)：66–72.

[8] 孫四清，陳志勝，韓保山，等. 測井曲線判識構(gòu)造軟煤技術(shù)預(yù)測煤與瓦斯突出[J]. 煤田地質(zhì)與勘探，2006，34(4)：65–67.

SUN Siqing，CHEN Zhisheng，HAN Baoshan，et al. Technology of identifying deformed soft coal using well log：An approach to the regional prediction of coal and gas outburst in coal mine[J]. Coal Geology & Exploration，2006，34(4)：65–67.

[9] 張超，黃華州，徐德林，等. 基于測井曲線的煤體結(jié)構(gòu)判識[J]. 煤炭科學(xué)技術(shù)，2017，45(9)：47–51.

ZHANG Chao，HUANG Huazhou，XU Delin，et al. Coal structure identified based on logging curve[J]. Coal Science and Technology，2017，45(9)：47–51.

[10] 劉振明，王延斌，韓文龍，等. 基于測井資料的BP神經(jīng)網(wǎng)絡(luò)的煤體結(jié)構(gòu)預(yù)測[J]. 中國煤炭，2018，44(6)：38–41.

LIU Zhenming，WANG Yanbin，HAN Wenlong，et al. Prediction of coal structure with BP neural network based on shaft logging data[J]. China Coal，2018，44(6)：38–41.

[11] 龍王寅，朱文偉，徐靜，等. 利用測井曲線判識煤體結(jié)構(gòu)探討[J]. 中國煤田地質(zhì)，1999，11(3)：64–66.

LONG Wangyin，ZHU Wenwei，XU Jing，et al. Discussion on identifying coal body structure using logging curve[J]. Coal Geology of China，1999，11(3)：64–66.

[12] 謝學(xué)恒，樊明珠. 基于測井響應(yīng)的煤體結(jié)構(gòu)定量判識方法[J]. 中國煤層氣，2013，10(5)：27–29.

XIE Xueheng，F(xiàn)AN Mingzhu. Quantitative identification of deformed coal based on logging response[J]. China Coalbed Methane，2013，10(5)：27–29.

[13] 高向東，王延斌，張崇崇. 鉆井中煤體結(jié)構(gòu)特征與井壁穩(wěn)定性分析研究[J]. 煤炭科學(xué)技術(shù)，2016，44(5)：95–99.

GAO Xiangdong，WANG Yanbin，ZHANG Chongchong. Study and analysis on coal structure features during drilling operation and well wall stability[J]. Coal Science and Technology，2016，44(5)：95–99.

[14] 李存磊，楊兆彪，孫晗森，等. 多煤層區(qū)煤體結(jié)構(gòu)測井解釋模型構(gòu)建[J]. 煤炭學(xué)報(bào)，2020，45(2)：721–730.

LI Cunlei，YANG Zhaobiao，SUN Hansen，et al．Construction of a logging interpretation model for coal structure from multi-coal seams area[J]．Journal of China Coal Society，2020，45(2)：721–730．

[15] 劉振明，王延斌，韓文龍，等. 基于測井資料的BP神經(jīng)網(wǎng)絡(luò)的煤體結(jié)構(gòu)預(yù)測[J]. 中國煤炭，2018，44(6)：38–41.

LIU Zhenming，WANG Yanbin，HAN Wenlong，et al. Prediction of coal structure with BP neural network based on shaft logging data[J]. China Coal，2018，44(6)：38–41.

[16] 劉最亮，馮梅梅. 陽泉礦區(qū)新景礦構(gòu)造煤發(fā)育規(guī)律的數(shù)值模擬[J]. 煤田地質(zhì)與勘探，2018，46(4)：35–43.

LIU Zuiliang，F(xiàn)ENG Meimei. Numerical simulation study on the development patterns of tectonically deformed coal in Xinjing coal mine in Yangquan[J]. Coal Geology & Exploration，2018，46(4)：35–43.

[17] 湯友誼，田高嶺，孫四清，等. 對煤體結(jié)構(gòu)形態(tài)及成因分類的改進(jìn)和完善[J]. 焦作工學(xué)院學(xué)報(bào)(自然科學(xué)版)，2004，23(3)：161–164.

TANG Youyi，TIAN Gaoling，SUN Siqing，et al. Improvement and perfect way for the classification of the shape and cause formation of coal body texture[J]. Journal of Jiaozuo Institute of Technology(Natural Science)，2004，23(3)：161–164.

[18] 徐光波，趙金環(huán)，崔周旗，等. 沁水盆地南部安澤區(qū)塊煤體結(jié)構(gòu)測井識別研究[J]. 煤炭科學(xué)技術(shù)，2018，46(5)：179–184.

XU Guangbo，ZHAO Jinhuan，CUI Zhouqi，et al. Study on well logging identification of coal structure in Anze Block of southern Qinshui Basin[J]. Coal Science and Technology，2018，46(5)：179–184.

[19] 韓晟，韓堅(jiān)舟，趙璇，等. 距離權(quán)重改進(jìn)的Pearson相關(guān)系數(shù)及應(yīng)用[J]. 石油地球物理勘探，2019，54(6)：1363–1370.

HAN Sheng，HAN Jianzhou，ZHAO Xuan，et al. A pearson correlation coefficient improved by spatial weight[J]. Oil Geophysical Prospecting，2019，54(6)：1363–1370.

[20] 楊起，韓德馨. 中國煤田地質(zhì)學(xué)[M]. 北京：煤炭工業(yè)出版社， 1980.

YANG Qi，HAN Dexin. China coal geology[M]. Beijing：China Coal Industry Publishing House，1980.

[21] 王紹清，唐躍剛. 神東礦區(qū)煤巖學(xué)特征及煤相[J]. 中國煤田地質(zhì)，2007，19(5)：4–7.

WANG Shaoqing，TANG Yuegang. Coal petrological characteristics and coal facies in Shendong mining area[J]. Coal Geology of China，2007，19(5)：4–7.

[22] 胡社榮，潘響亮，張喜臣，等. 煤相研究方法綜述[J]. 地質(zhì)科技情報(bào)，1998，17(1)：62–66.

HU Sherong，PAN Xiangliang，ZHANG Xichen，et al. Overview of research methods of coal facies[J]. Geological Science and Technology Information，1998，17(1)：62–66.

[23] 湯友誼，孫四清，郭純，等. 不同煤體結(jié)構(gòu)類型煤分層視電阻率值的測試[J]. 煤炭科學(xué)技術(shù)，2005，33(3)：70–72.

TANG Youyi，SUN Siqing，GUO Chun，et al. Measurement of apparent resistivity value for coal slices of different seam structures[J]. Coal Science and Technology，2005，33(3)：70–72.

[24] 陳健杰，江林華，張玉貴，等. 不同煤體結(jié)構(gòu)類型煤的導(dǎo)電性質(zhì)研究[J]. 煤炭科學(xué)技術(shù)，2011，39(7)：90–92.

CHEN Jianjie，JIANG Linhua，ZHANG Yugui，et al. Study on coal conductive properties of different coal structure[J]. Coal Science and Technology，2011，39(7)：90–92.

[25] 謝楠. 沁水盆地鄭莊區(qū)塊煤層氣井壓裂排采效果與影響因素分析[D]. 北京：中國地質(zhì)大學(xué)(北京)，2017.

XIE Nan. Analysis on fracturing effect and influencing factors of coalbed methane wells in Zhengzhuang block，Qinshui Basin[D]. Beijing：China University of Geosciences(Beijing)，2017.

Coal body structure identification by logging based on coal accumulation environment zoning and its application in Mabidong Block, Qinshui Basin

ZHANG Jianguo1, HAN Sheng2, ZHANG Cong1, CHEN Yanjun2

(1. Shanxi CBM Exploration and Development Branch of Huabei Oilfield Company, PetroChina, Jincheng 048000, China; 2. Exploration and Development Research Institute of Huabei Oilfield Company, PetroChina, Renqiu 062552, China)

Identification of coal body structure by logging curves is an efficient and economical geophysical method. However, due to the influence of sedimentary environment and coal reservoir property, logging curves have multiple solutions, leading to an unclear logging response of coal body structure. And the identification rules acquired in one place cannot be applied in another place. Therefore, before starting logging discrimination, it is necessary to control the factors influencing well logging apart from coal structure. This essay takes an example from No.3 coal seam in Mabidong Block, Qinshui Basin. Firstly, coal cores are relocated to their logging depth by the positive correlation between ash content and gamma logging curves. And then, the coal-accumulating environment is divided by the ratio of vitrinite content to inertinite content. After that, the logging curves of similar environment are selected preferably. The result shows that resistivity logging serial curves can indicate the changes in coal body structure clearly, while acoustic wave logging cannot because of its shallow penetration depth. Finally, the Random Forest Model built by the chosen curves is used to predict other wells’ coal body structure. The predicted results and the measured fracturing curves show that the results are in good agreement with the measured data. According to the application, the method can predicate the allocation of coal body structure, instruct hydraulic fracturing, which reduces development cost, and provide guidance to the logging response study on multi-regional coal body structure.

coal body structure; logging response; coal accumulating environment; coal core position restoring; Random Forest Machine learning; maceral

P631.8

A

1001-1986(2021)04-0114-09

2020-11-19；

2021-03-01

國家科技重大專項(xiàng)項(xiàng)目(2017ZX05064)；中國石油天然氣股份有限公司重大科技專項(xiàng)課題(2017E-1405)

張建國，1967年生，男，河北邢臺人，高級工程師，從事煤層氣勘探開發(fā)相關(guān)研究工作. E-mail：mcz_zjg@petrochina.com.cn

韓晟，1992年生，男，河北欒城人，碩士，工程師，從事煤層氣儲層預(yù)測工作. E-mail：yjy_hans@petrochina.com.cn

張建國，韓晟，張聰，等. 基于聚煤環(huán)境分區(qū)的煤體結(jié)構(gòu)測井判別及應(yīng)用——以沁水盆地南部馬必東地區(qū)為例[J]. 煤田地質(zhì)與勘探，2021，49(4)：114–122. doi: 10.3969/j.issn.1001-1986.2021.04.014

ZHANG Jianguo，HAN Sheng，ZHANG Cong，et al. Coal body structure identification by logging based on coal accumulation environment zoning and its application in Mabidong Block, Qinshui Basin[J]. Coal Geology & Exploration，2021，49(4)：114–122. doi: 10.3969/j.issn.1001-1986. 2021.04.014

(責(zé)任編輯 范章群 郭東瓊)