主成分分析法在煤储层评价中的应用——以鹤岗煤矿为例

毛 毳，邹文斌，孙世轩，王有智

（1.东北石油大学地球科学学院，黑龙江大庆 163318；2.大庆油田第十采油厂第一油矿地质队，黑龙江大庆 163318；3.中石油煤层气有限责任公司忻州分公司，山西忻州 036600；4.大庆油田有限责任公司勘探开发研究院，黑龙江大庆 163712）

主成分分析法在煤储层评价中的应用——以鹤岗煤矿为例

毛 毳1，邹文斌2，孙世轩3，王有智4

（1.东北石油大学地球科学学院，黑龙江大庆 163318；2.大庆油田第十采油厂第一油矿地质队，黑龙江大庆 163318；3.中石油煤层气有限责任公司忻州分公司，山西忻州 036600；4.大庆油田有限责任公司勘探开发研究院，黑龙江大庆 163712）

煤储层相关参数众多，定量评价储层质量成为必然发展趋势。为了提高煤层气储层评价的工作效率，基于主成分分析方法，选取鹤岗煤田城子河组煤储层11个相关参数，包括兰氏体积、平均孔直径、比表面积、总孔体积、灰分、镜质组、微孔含量、矿物、甲烷含量、割理、视密度，构建主成分变量，简化数据结构，建立有效评价模型。结果表明，提取的三个主成分分别代表孔隙结构、沉积环境和构造作用对煤储层质量影响具有较好的控制作用，而且影响程度依次降低。煤储层评价结果与实际物性情况进行检验，具有较好的符合性。证实主成分分析方法在鹤岗煤田煤储层评价中的实用价值及可行性。

煤储层；储层评价；评价参数；主成分分析；鹤岗煤田

0　引言

煤层具有“生-储”一体的特殊性，其储层评价始终是煤层气勘探和开发的核心问题[1-2]。由于煤储层受多种地质因素影响，使得评价方法的定量化成为必然发展趋势[3]。因此，多元统计学方法在储层评价中得到广泛的应用[4-10]。其中主成分分析可以将众多原始变量进行线性组合，形成少数主分量，使它们尽可能多的保留原始变量信息[11-12]。这种方法可以对大量有关联性指标进行信息提取和简化，从而更加深刻的揭示事物内在规律[13-15]。潘荣等[16]应用主成分分析法对塔里木盆地库车坳陷白垩系碎屑岩储层进行评价，将多组数据进行排序，分析结果表明该模型与实际储层质量有很好的匹配性。Zheng Haoyao[17]等在对四川地震储层破坏的综合评价中，证实主成分分析法的评价结果是合理和客观的。

鹤岗盆地经过多口井的钻探证实该地区存在较好的煤层气资源前景[18-19]。鹤岗盆由于地构造背景复杂、后期改造强烈，煤储层物性非均质性强。因此，煤储层评价工作对鹤岗煤层气的勘探开发和可采性评价都具有非常现实的意义[13-14]。本文以鹤岗煤田城子河组煤层为依托，选取与煤储层质量相关的宏观和微观参数，应用主成分分析方法确定评价指标权重，剖析煤储层主控因素，并针对煤储层进行定量评价，最后进行验证，实现达到迅速、客观、准确评价煤储层的目的。

1　主成分分析原理及模型

1.1主成分分析基本原理

主成分分析是考察多个变量之间相互关系，通过降维使多个指标转换为少数不相关指标，使研究变得简单的多元统计学方法。数学处理方法是将p个储层参数记为X1，X2，…Xp，将其进行线性组合，作为新的综合指标F1，F2，…，Fk（k≤p），表示为[20]：

则第i个主成分为：

此时系数满足：

此时有：

1.2煤储层定量评价模型

在实际数据处理过程中，首先计算相关系数矩阵R，然后得到R的特征值和特征向量，根据特征根λi对应特征向量ui，计算每个主成分的方差贡献率和累计方差贡献率（Bi≥85%）。从而得到m个主成分，F1，F2，…，Fm，最终可以确定煤储层质量主成分分析模型，表达式如下：

贡献率：

累计贡献率：

评价模型

2　分析与讨论

2.1参数选取

能够用于煤储层评价指标涉及到沉积环境、煤岩演化程度、构造特征、孔隙结构等多项内容，每项内容又包含多个参数。通过对鹤岗煤田不同矿区城子河组（图1）煤层采样分析数据，应用主成分分析法，对其开展定量评价工作。选取11项参数（表1）包括灰分、镜质组、矿物，反映煤岩沉积环境及成岩作用；比表面积、兰氏体积、微孔及甲烷含量可以反映煤岩的吸附能力；总孔体积、平均孔直径主要反映煤岩渗流能力；割理数量反映构造特征；视密度反映煤岩演化程度。其中割理通过取样观察，发育15～20条/（5 cm）赋值4，10～15条/（5 cm）赋值3，5～10条/（5 cm）赋值2，0～5条/（5 cm）赋值1；其他参数数据从实验室分析可得。

2.2模型求解

首先利用SPSS数据分析软件对19组数据的11项指标进行标准化处理，得到标准化数据表（Xij）19×11（i=1，2，…，19；j=1，2，…，11）。接下来计算相关系数矩阵R=（rij）19×11。求取相关系数矩阵的特征值λi和特征向量μ1（表2、表3）。从表2可以看出，第一主成分到第三主成分的特征值分别为6.143，2.023，1.228，均大于1，且方差累计贡献率超过85%，显示这三个主成分包含的信息可以反映原始数据的信息特征。因此，这三个主成分可以作为评价鹤岗煤田煤储层质量的主成分。主成分表达式分别为：

2.3综合分析

从第一主成分表达式可以看出，灰分、比表面积、微孔含量、总孔体积和平均孔直径对煤储层物性影响较大。第一主成分主要反映储层微观结构对储层质量起主要的控制作用；第二主成分中视密度和矿物对储层物性影响较大，表现出沉积环境和煤岩演化程度对储层质量的控制作用；第三主成分表明构造特征对储层物性有一定控制作用。

根据主成分与各方差贡献率之积可得到综合得分，按得分情况对煤储层质量进行排序。综合评价表达式为：

图1　鹤岗煤田构造图、样品位置及综合柱状图Figure 1 Hegang coalfield structural outline map,sampling point distribution and comprehensive columnar section

表1　鹤岗煤田城子河组煤储层原始指标参数Table 1 Chengzihe Formation coal reservoir original indices and parameters in Hegang coalfield

含气量和孔隙度是煤储层反映煤储层的物性重要指标，可以对主成分分析法进行验证。从综合得分表4看出，煤储层主成分评价得分排序与实测的孔隙度和含气量数据具有较好的对应关系，但也存在一定的特殊数据点，这充分说明煤储层需要综合考虑多种影响因素，同时也证实煤储层主成分分析模型是可信的，能够在选层压裂过程中提供决策依据。

表2　鹤岗煤田城子河组煤储层特征值和方差贡献表Table 2 Contribution statement of Chengzihe Formation coal reservoir eigenvalue and variance in Hegang coalfield

表3　鹤岗煤田城子河组煤储层标准化正交特征向量Table 3 Chengzihe Formation coal reservoir normalized orthogonal feature vector in Hegang coalfield

表4　鹤岗煤田城子河组煤储层综合得分及排序Table 4 Chengzihe Formation coal reservoir comprehensive scores and sorting in Hegang coalfield

通过煤储层孔隙度和实测含气量与主成分分析选取的参数进行交会分析，可以看出第一主成分中比表面积、总孔体积和灰分与两者有较好的线性相关性（图2a、图2b、图2c），而第二主成分中矿物含量虽然也具有一定的相关性（图2d），但相关系数下降，数据点分散，与主成分分析结构匹配。

图2　鹤岗煤田城子河组煤储层参数与孔隙度和含气量交会图Figure 2 Crossplot of Chengzihe Formation coal reservoir parameters and porosity,methane content in Hegang coalfield

3　结论

（1）主成分分析法对鹤岗煤田煤储层质量评价参数的提取具有重要意义。第一主成分表明煤层孔隙结构对储层质量有较为明显的控制作用；第二主成分反映煤岩的沉积环境和成岩演化程度对煤储层质量影响较大；第三主成分说明构造特征对煤储层质量的有一定影响。

（2）主成分分析法能够对多个煤储层评价参数进行压缩，可以实现迅速、客观、量化的对煤储层质量进行评价和排序。鹤岗煤田储层评价结果与实际情况匹配程度较高，南部储层质量优于北部，为接下来的煤层气开发决策提供有效的科学依据。

（3）储层物性评价参数众多，多数量化困难，由于参数选取工作处于摸索阶段，还需要进一步的尝试和研究，合理化数学模型，提高评价精度。

[1]邹才能，杨智，张国生，等.常规-非常规油气“有序聚集”理论认识及实践意义[J].石油勘探与开发，2014，31（4）：14-26.

[2]邱振，邹才能，李建忠，等.非常规油气资源评价进展与未来展望[J].天然气地球科学，2013，24（2）：238-245.

[3]侯海海，邵龙义，唐跃，等.基于多层次模糊数学的中国低煤阶煤层选区评价标准——以吐哈盆地为例[J].中国地质，2014，41（3）：1002-1009.

[4]孙洪志，刘吉余.储层综合定量评价方法研究[J].大庆石油地质与开发，2004，23（6）：8-11.

[5]叶礼友，钟兵，熊伟，等.川中地区须家河组低渗透砂岩气藏储层综合评价方法[J].天然气工业，2012，32（11）：43-46.

[6]李红男，封猛，胡广文，等.低孔—低渗砾岩储层量化评价方法研究[J].石油天然气学报，2014，36（2）：40-44.

[7]唐骏，王琪，廖朋，等.多元线性逐步回归方法评价储层物性控制因素[J].特种油气藏，2013，20（5）：40-45.

[8]孔锐，张哨楠.煤层气储层评价方法的选择[J].地质通报，2012，31（4）：586-593.

[9]徐刚，杜文凤，冀超辉.基于证据理论的煤层气储层评价方法[J].煤田地质与勘探，2010，38（4）：30-37.

[10]员争荣，钟玲文.煤层气储层性能综合评价方法与应用[J].陕西煤炭，2003，（4）：9-11.

[11]Davide Ballabio.A MATLAB toolbox for Principal Component Anal⁃ysis and unsupervised exploration of data structure[J].Chemometrics and Intelligent Laboratory Systems，2015，149(B):1-9.

[12]Hailin Li.Accurate and efficient classification based on common principal componets analysis for multivariate time series[J].Neurocom⁃puting，2016，171(1):744-753.

[13]Handan C，amdev′yrena，Nilsun Dem′yra，et al.Use of principal component scores in multiple linear regression models for prediction of Chlorophyll-a in reservoirs[J].Ecological Modelling 2005，181:581-589

[14]杨永国.数学地质[M].江苏徐州：中国矿业大学出版社，2010：110-112.

[15]张传平，朱天松.主成分分析法在油田原油开采成本分析中的应用[J].石油大学学报：自然科学版，2002，26（3）：101-103.

[16]潘荣，朱筱敏，张剑锋，等.基于主成分分析的储层质量综合评价模型——以克拉苏构造带巴什基奇克组为例[J].石油实验地质，2014，36（3）：376-380.

[17]G.Todd Ventura，Gregory J.Hallc，Robert K.Nelsona，et al.Anal⁃ysis of petroleum compositional similarity using multiway principal com⁃ponents analysis(MPCA)with comprehensive two-dimensional gas chro⁃matographic data[J].Journal of Chromatography A，2011，1218:2584-2592.

[18]王世辉，王有智，许承武，等.鹤岗盆地煤层气资源潜力分析[J].中国煤层气，2012，9（1）：18-22.

[19]王有智，王世辉.鹤岗煤田构造煤孔隙分形特征[J].东北石油大学学报，2014，38（5）：61-66.

[20]葛新民，范卓颖，范宜仁，等.基于核主成分—小波能谱分析的复杂储层油水界面预测[J].东北石油大学学报，2015，46（5）：1747-1752.

Application of Principal Component Analysis in Coal Reservoir Assessment—A Case Study of Hegang Coalfield

Mao Cui1,Zou Wenbin2,Sun Shixuan3and Wang Youzhi4
(1.School of Geosciences,Northeast Petroleum University,Daqing,Heilongjiang 163318;2.No.10 Oil Recovery Plant of Daqing Oilfield,Daqing,Heilongjiang 163318;3.Xinzhou Branch,CBM Co.Ltd.,CNPC,Xinzhou,Shanxi 036600;4.Exploration and Exploitation Research Institute,Daqing Oilfield Co.Ltd,Daqing,Heilongjiang 163712)

The coal reservoir has many related parameters;while to assess reservoir quality quantitatively has become an inevitable trend of development.To improve the efficiency of CBM reservoir assessment,on the basis of principal component analysis,11 related parameters of the Chengzihe Formation coal reservoir in Hegang coalfield have been selected,including Langmuir volume,average pore throat diameter,specific surface area,total pore volume,contents of ash,vitrinite,micropore,mineral,methane,cleat and apparent density to build principal component variables,simplify data structure,establish effective assessment model.The result has shown that the extracted 3 principal components have respectively represented pore structure,sedimentary environment and tectonism impacts on coal reservoir quality,they have preferable control effect,and impact extents decreasing in turn.Comparing the coal reservoir assessed result with practical physical property can found better conformity between.Thus confirmed the principal component analysis has prac⁃tical value and feasible in Hegang coalfield coal reservoir assessment.

coal reservoir;reservoir assessment;assessment parameters;principal component analysis;Hegang coalfield

TE122.2

A

10.3969/j.issn.1674-1803.2016.11.04

1674-1803(2016)11-0015-04

国家科技重大专项资助项目（2011ZX05014）

毛毳（1984—），女，博士，主要从事储层地质学研究。

2016-03-28

责任编辑：宋博辇