基于地质统计学反演预测煤层厚度

袁 峰，叶亮春，乔 会，孙黄利，侯丁根（1.国土资源部煤炭资源勘查与综合利用重点实验室，西安 71006；.陕西省煤田物探测绘有限公司，西安 710005；3.西安科技大学地质与环境学院，西安 71005；.神华地质勘查有限责任公司，北京 1009）

基于地质统计学反演预测煤层厚度

袁 峰1，2，叶亮春1，3，乔 会2，孙黄利4，侯丁根1，2
（1.国土资源部煤炭资源勘查与综合利用重点实验室，西安 710026；2.陕西省煤田物探测绘有限公司，西安 710005；3.西安科技大学地质与环境学院，西安 710054；4.神华地质勘查有限责任公司，北京 102209）

受基底影响，永陇矿区2号可采煤层厚度变化范围较大，为0.65～26.79 m。为实现高精度煤层厚度预测，选取该区对地层岩性分辨率较高的自然伽马作为预测属性，并将计算的岩性概率模型作为三维数据约束进行地质统计学反演。通过地质统计学反演得到的岩性数据，区分了煤层和泥岩，成功的预测了煤层的厚度。根据地质统计学反演预测的煤层厚度，可知该区西南部煤层较薄，只有0～5 m；东北部煤层较厚，一般超过20 m。对比地质统计学反演预测的煤层厚度与实际钻探揭露的煤层厚度，可以看出地质统计学反演预测煤层厚度更接近于钻探揭露的煤层厚度,平均准确率达80%以上，其精度高于传统的确定性反演。

煤厚；地质统计学反演；确定性反演

0 引言

近年来随着大型、超大型矿井的投产，对煤层厚度的精度提出了更高的要求。煤层厚度预测一般是利用钻孔资料对比、内插计算得到的，有时存在着较大误差。随着三维地震勘探在煤矿采区中的应用，利用分辨率较高的地震资料进行煤层厚度预测取得了一定的成效。目前基于三维地震进行煤层厚度预测主要方法有地震属性和确定性反演技术。

地震属性进行煤层厚度预测其本质是通过调谐理论，即随着煤层厚度的变化其振幅、频率也发生相应的变化，以此预测煤层厚度。程增庆提出根据煤层反射波的振幅与煤层厚度的关系来计算煤层厚度[1]。周宗良、肖建玲等用了多种地震属性，通过优选后选取一些相关性较好的属性来预测煤层厚度[2]。胡宗正等沿煤层反射波上下开10 ms时窗提取多种地震属性，根据钻孔资料计算出煤厚与地震属性相关系数，来预测煤层厚度[3]。郭彦省等对地震属性进行了优选.将得到的地震属性利用多元多项式回归以及BP人工神经网络方法，求出各属性与煤厚之间的回归方程及人工神经网络回归模型计算煤层厚度[4]。这些方法的共同点是将稀疏的钻孔测定的煤层厚度，经过密度较大的地震测网外推，所采用的预测技术包括多项式拟合、神经网络等。

确定性反演综合了测井数据纵向的高分辨率和地震数据的横向的高分辨率，大大提高了煤层厚度变化的解释精度[5]。确定性反演主要是通过反演将地震数据转化成分辨率较高的波阻抗数据，利用煤层与围岩的波阻抗差别来对煤层进行顶底板识别，进而得到煤层厚度。如彭苏萍等以测井约束地震反演为手段，反演得到高分辨率波阻抗剖面，根据煤层与顶底板的波阻抗差异追踪煤厚变化[6]。

上述方法在实际应用中存在如下问题：①地震属性在低信噪比地区精度较低，同时受调谐频率的影响，在厚度大于调谐厚度时该方法不适用；②确定性反演受泥岩波阻抗和煤层叠置的影响，在薄煤层尤其是泥、煤岩互层时预测误差较大。

地质统计学反演是在地质统计学分析的基础上，利用基于模型的地震反演技术的一种地震反演方法，地质统计学反演由随机模拟、随机反演两部分组成，其基础是随机地震反演，采用的手段是随机模拟[7-8]。其反演结果有多个等概率的实现，根据地质认识选择合适的实现作为预测结果。相对于确定性反演，地质统计学反演增加了反演的不确定性。通过地质统计学反演得到的岩性数据，可以分辨出1 m以下的薄层。本文在分析岩石物理学的基础上，利用地质统计学反演得到岩性数据进而对煤层厚度预测，取得了较好的效果。

1 研究区概况

研究区位于永陇矿区，行政区划隶属麟游县（25 km）、彬县（44 km）管辖。本区可采煤层为2号煤层，位于延安组下含煤段中部，下距延安组底界面1.25～16.48 m，平均9.03 m，上距中含煤段底部砂岩0.20～20.19 m，平均3.50 m。2煤层单层厚度0.65～26.79 m，平均煤厚11.52 m，最大可采厚度26.79 m（K2-4孔）。其沉积规律是：隆起部位沉积薄或缺失，凹陷部位沉积厚。2煤层一般夹矸0～2层，最多4层。矸石厚度0.03～0.53 m，含矸率0～6.86%，平均3.63%。夹矸岩性为炭质泥岩、泥岩及泥质粉砂岩。一般煤层顶部和底部夹矸多，中部夹矸少，属结构简单煤层。2煤层顶板为深灰色泥岩、砂质泥岩，底板为灰褐色铝土质泥岩或铝土质粉砂岩，局部有炭质泥岩伪顶与伪底。本次研究收集了28个钻孔的柱状资料及10口井的测井曲线，可作为已知数据进行利用。

2 确定性反演预测煤层厚度

为了预测煤层厚度，首先采用了常规的确定性反演方法。通过提取单井的子波，制作合成记录，然后计算平均子波，分析平均子波提取的精度及准确性，然后建立模型进行确定性反演，反演结果如图1所示。在波阻抗数据体上，煤层表现低阻抗，煤层轮廓可清晰的反映出来，反演的结果分辨率较高，对煤层厚度变化有一定的反映。波阻抗与岩性直方图如图2所示。从图中可以看出，煤层落在了左侧区域，砂泥岩落在了右侧区域，就是说纵波阻抗曲线能够把煤层与砂泥岩区基本分开，即用叠后确定性反演基本能解决煤层分布问题。

从图2可以看出部分泥岩波阻抗和煤层有一定的叠置。图3是煤层顶底板波阻抗时间差值与煤层厚度关系图，通过计算可知其相关系数为0.74。由此可见在煤层较薄处确定性反演计算的顶底板时间差值与煤层的厚度相关性较低。分析其原因为本区煤层顶底板岩性以泥岩为主，泥岩虽然厚度不大，只有0～3 m，但对煤层较薄处的煤层厚度预测产生的影响较大，造成确定性反演煤层厚度误差较大，因此需要采用其他方法以弥补确定性反演的不足。

图1 煤层厚度变化在联井确定性反演剖面上的反映Figure 1 Reflection of coal thickness variation on cross well deterministic inversion section

3 岩石物理分析

通过岩性、波阻抗、自然伽马的交会图（图4）可以看出，不同的岩性所对应的波阻抗值存在一定变化，在波阻抗值2200～4 000（g/cm3·m/s）时煤层、泥岩、泥质砂岩均有分布。虽然阻抗能很好的区别煤层和砂岩，但却难以清晰的区分煤层、泥岩。根据自然伽马曲线，煤层的自然伽马值为5～40（gAR），泥岩的自然伽马值为40～80（gAR），因此可通过波阻抗和自然伽马区分出煤层、泥岩、砂岩。

图2 波阻抗与岩性直方图Figure 2 Histogram of acoustic impedance and lithology

图3 确定性反演井点煤层时间与实际厚度关系图Figure 3 Relationship between deterministic inversion well point coal seam time and actual thickness

图4 波阻抗、自然伽马曲线与岩性交汇图Figure 4 Crossplot of acoustic impedance,gamma-ray curve and lithology

在声波波阻抗不能很好的区分煤、泥岩的情况下，构建合理岩性概率模型作为约束可以提高岩性反演的精度。本次选择对地层岩性分辨率较高的自然伽马作为岩性概率模型结合波阻抗对进行岩地质统计学反演。

4 地质统计学反演预测煤层厚度

反演程序大体可分为三个部分，首先对测井、地质及地震数据进行分析校正，测井数据包括剔除野值和归一化处理，然后进行统计学反演得到岩性数据，利用反演结果对煤层顶底板进行识别，进而预测煤层厚度（图5）。

图5 地质统计学反演预测煤层厚度流程图Figure 5 Coal thickness geostatistical inversion prediction flow chart

地质统计学反演结果见图6。可以看出，地质统计学反演纵向分辨率较常规阻抗反演（图1）大大提高，横向分辨率保持了地震数据的特点。通过地震统计学反演结果提取伪测井曲线，见图7，从图中可以看出反演结果与钻孔资料吻合程度高，可以区分煤层、泥岩。

图6 地质统计学反演岩性剖面Figure 6 Geostatistical inversion lithological section

图7 地质统计学反演伪测井岩性与录井岩性比较图Figure 7 Comparison of geostatistical inversion well pseudolithology and lithology from well logging

图8为井点煤层时间厚度与实际厚度散点图，从图中可以看出井点时间厚度与实际煤层呈线性关系，相关系数达到了89.5%。和图3相比可以看出，经地质统计学反演煤层厚度小于5 m段的预测精度大大提高了。

图8 地质统计学反演井点煤层时间与实际厚度关系图Figure 8 Relationship between geostatistical inversion well point coal seam time and actual thickness

通过地质统计学反演识别煤层顶底板的岩性边界，追踪顶底板同相轴，并求取煤层顶底板的差值，结合确定性反演获得的速度数据得到煤层厚度。

图9为地质统计学反演预测的煤层厚度，从图中可以看出煤层厚度从0～28 m。西南部煤层较薄，厚度只有0～5 m，东北部煤层较厚，厚度一般超过20 m。本次研究仅有10口井收集到测井曲线，另收集到18口井柱状（没有进行反演），图10为地质统计学反演预测的过孔厚度与实际钻探揭露厚度对比图。从图中可以看出地质统计学反演预测煤层厚度更接近于钻探揭露的煤层厚度，平均准确度达80%以上。

22302 工作面风与机巷巷位于图9所示位置。经实际巷道验证可以看出，仅有地质统计学反演预测出此处薄煤层（揭露厚度仅有0.4 m）。钻孔内插、确定性反演对此处薄煤层的反映较差，地质统计学反演对该薄煤层的预测效果较好。

5 结论

①煤层、泥岩存在一定的阻抗叠置，当煤层顶底板为泥岩时，确定性反演预测煤层厚度效果较差。

图9 地质统计学反演预测厚度Figure 9 Geostatistical inversion coal thickness prediction

图10 预测煤层厚度精度图Figure 10 Coal thickness prediction accuracy

②结合波阻抗和自然伽马曲线能很好的区分煤层、泥岩、砂岩，可以利用自然伽马曲线建立岩性概率模型结合波阻抗进行地质统计学反演。

③地质统计学反演预测煤层厚度精度较高，满足了生产的需要。同实际钻孔资料比较认为平均准确度达80%以上。

[1]程增庆，吴奕峰，赵忠清，等.用地震反射波定量解释煤层厚度的方法[J].地球物理学报，1990（1）:657-662.

[2]周宗良，肖建玲.地震属性的优化处理及储层厚度的定量解释[J].新疆地质，2002，20（3）:262-266.

[3]胡宗正，郭良红，林建东.三维地震属性参数在煤层厚度预测中的应用[J].中国煤炭地质，2008，20（6）:56-58.

[4]郭彦省，孟召平，杨瑞昭，等.地震属性及其在煤层厚度预测中的应用[J].中国矿业大学学报，2004，33（5）:557-562.

[5]孙喆.利用波阻抗反演重构地震数据提高煤层厚度预测精度[J].矿业安全与环保，2016，43（5）:90-94.

[6]彭苏萍，邹冠贵，李巧灵.测井约束地震反演在煤厚预测中的应用研究[J].中国矿业大学学报，2008，37（6）:729-733.

[7]邹雅铭，关守军.基于序贯高斯模拟的随机地震反演方法[C]//中国地球物理2013——第二十分会场论文集.2013.

[8]孙月成，马光克，李芳，等.基于地质统计学反演的地震反演、地质建模、油藏模拟一体化研究与应用[C]//SPG/SEG 2014年国际地球物理会议，2014.

Coal Thickness Prediction Based on Geostatistical Inversion

Yuan Feng1,2,Ye Liangchun1,3,Qiao Hui2,Sun Huangli4and Hou Dinggen1,2
(1.Key Laboratory of Coal Resource Exploration and Comprehensive Utilization,Ministry of Land and Resources,Xi’an,Shaanxi 710026;2.Shaanxi Provincial Coal Geophysical Prospecting,Surveying and Mapping Co.Ltd.,Xi’an,Shaanxi 710005;3.Department of Geology and Environmental Engineering,Xi’an University of Science and Technology,Xi’an,Shaanxi 710054;4.Shenhua Geological Exploration Co.Ltd.,Beijing 102209)

Because of impact from basement,the thickness of mineable coal No.2 in the Yonglong mining area is variable with thickness from 0.65m to 26.79m.In order to achieve high accuracy coal thickness prediction,the strata lithological resolution higher gamma-ray has been selected as prediction attribute.And using computation lithological probability model as 3D data constraint carried out the geostatistical inversion.Through geostatistical inversion obtained lithological data can distinguish coal and mudstone,thus predicted coal thickness successfully.Based on geostatistical inversion predicted coal thicknesses have found that coal seams in the southwestern part of the area are thinner,only 0～5 m;northeastern part thicker,generally over 20m.Through comparison of coal thicknesses from geostatistical inversion and actual drilling revealed,can find out that the thickness from geostatistical inversion is close to drilling revealed with average accuracy above 80%,thus higher than traditional deterministic inversion.

coal thickness;geostatistical inversion;deterministic inversion

P631.4

A

10.3969/j.issn.1674-1803.2017.02.14

1674-1803(2017)02-0065-05

陕西省科技统筹基金项目(2016FWPT-16)，国土资源部煤炭资源勘查与综合利用重点实验室基金项目(ZZ2016-2)

袁峰（1984—），男，湖北十堰人，汉族，工程师。

2016-10-28

责任编辑：孙常长