鄂尔多斯盆地东缘MG 区块煤层裂缝发育多尺度预测

2022-04-12朱光辉李忠城师素珍林利明刘彦成

煤田地质与勘探 2022年3期

朱光辉，李忠城，师素珍，史浩，林利明，刘彦成，张鑫

(1.中联煤层气有限责任公司，北京 100016；2.中国矿业大学(北京) 煤炭资源与安全开采国家重点实验室，北京 100083)

煤层本身割理的存在导致了煤层中大量裂缝的发育，煤层裂缝是评价煤层与顶底板稳定性、储层参数及控制钻井规划的主要因素之一[1-5]。裂缝可以提高地层的孔隙度和渗透率，也是流体运移的重要通道。因此，裂缝发育带识别以及裂缝特征参数表征对非常规油气的勘探及开发具有重要的指导作用[6]，是非常规油气藏开发方案研究的重点内容，同样也是煤炭资源合理有效开发的重要地质保障，对预测并防治影响煤矿安全生产的重大灾害事故，如煤与瓦斯突出及矿井顶底板突水等，均具有十分重要的意义[7-11]。

煤层裂缝尺度可以根据其长度相对于地震波长的大小关系分为：大尺度裂缝(大于1/4 地震波长)、中尺度裂缝(1/4～1/100 地震波长)以及小尺度裂缝(小于1/100 地震波长)[12-13]。目前测井及地震方法是预测裂缝分布和表征裂缝发育特征的重要方法，两者各有优缺点。测井资料具有纵向上分辨率高的特点，可以根据不同类型的测井曲线响应特征对裂缝进行有效识别，是实现小尺度裂缝预测的主要方法。三维地震勘探数据拥有探测深度大，覆盖面积广及数据信息丰富的优势，虽然很难精细描述裂缝的发育特征，但可以对具有一定发育规模的裂缝带进行表征，是实现中等尺度和大尺度裂缝预测的主要手段。

目前应用地震资料预测识别裂缝的技术方法主要有3 大类：叠后三维地震属性分析、纵波方位各向异性裂缝检测[14-28]、多分量转换波地震勘探技术。多分量转换波地震资料虽然相较于纯横波地震资料而言在探测深度、采集方式及应用方法具有明显的优势，应用前景广阔，但在经济成本和资料品质等方面仍存在不足[29-35]。因此，基于纵波勘探的叠后地震属性技术及叠前纵波方位各向异性方法仍然是目前裂缝预测的主流手段[36-47]。

鉴于此，综合利用测井资料、叠后地震数据及叠前方位数据从不同尺度对MG 区块裂缝展布形态进行预测，为研究区煤层气勘探区块优选及煤矿井下安全开采提供地质依据。

1 研究区地质概况

工区位于鄂尔多斯盆地东北缘，构造单元上属晋西挠褶带与陕北斜坡带交汇的北部单斜带，区块东侧发育的两条控凹断层将区块划分为东部隆起带、中部缓坡带和西部深陷带。

受海西构造运动影响，鄂尔多斯盆地北缘在晚古生代早期逐渐抬升，研究区沉积环境由陆表海向近海平原过渡，最终演化为河流-三角洲。晚石炭世本溪组，区内发育较大范围的潮坪、沼泽沉积，障壁坝、潮道和砂坪等，砂体及泥炭沼泽相发育；早二叠世太原组沉积时期，盆地范围发生自南向北的海侵，区内发育多套受潮汐作用影响的煤层及三角洲砂体；至早二叠世山西组沉积时期，区内演化为陆相近海三角洲沉积环境，三角洲平原分流河道砂体发育，河道间发育间湾沼泽相薄煤层。得天独厚的沉积环境，造就了研究区块内煤层层数多，分布较稳定。主要发育地层为本溪组、太原组以及山西组，自上而下共发育煤层13 层，1～5 层分布于山西组，6、7 层位于太原组，8～13 层分布于本溪组。其中，山西组4+5 号和本溪组8+9 号煤是区内的主力煤层，在地震剖面上反射特征均为复合波形式存在。

2 研究区煤层含裂缝条件下测井响应特征

当煤层含裂缝时，其测井曲线响应特征与裂缝的密度、倾向及倾角有关，图1 为研究区内M1 井的8+9 号煤层常规测井响应曲线。图2 为某井电成像测井，图中显示煤层位置有多处暗色条纹，表明有裂缝存在。裂缝在常规测井曲线上通常响应微弱，但是仍然具备可区分的测井响应基础。因而在没有成像测井资料的情况下，利用常规测井有效地识别裂缝也是非常重要的。

2.1 电阻率曲线

当煤层中裂缝增加时，电阻率通常是减小的。原因是裂缝被泥浆侵入时，导致电阻率下降，裂缝越发育泥浆侵入越深，其电阻率下降越明显。图1 中显示M1 井8+9 号煤层还可以细分为：原生煤、原生-碎裂煤、碎裂煤、碎粒煤。裂缝的存在往往和煤体结构也有一定的关联，M1 井8+9 号煤层1 744～1 747 m 段主要发育碎粒煤，在相应成像测井(图2)中，也显示裂缝非常发育。该井8+9 号煤层由原生煤向碎裂、碎粒煤过渡时，电阻率值逐渐减小。

图2 M1 井8+9 号煤层电成像测井处理成果Fig.2 Processing results of electrical imaging logging in No.8 and No.9 coal seams of M1 well

2.2 密度曲线

通常来说，煤层含裂缝越多体积密度越小，若裂隙充填了地下水，则体积密度值也会降低；若是充填了矿物质成分，反而会导致体积密度值增大。M1 井8+9号煤层上部为碎粒煤，中部为原生结构煤，但是两处的密度值变化不大，上部碎裂煤处有微弱的降低趋势(图1)。

2.3 声波时差曲线

声波时差一般反映垂直裂缝，但对水平裂缝、低角度裂缝与异常发育的高角度裂缝有较明显的响应，表现为声波时差异常增大，甚至为周波跳跃。M1 井目标煤层底部主要发育碎裂煤，此时声波时差相对上部增大(图1)。

图1 M1 井8+9 号煤层常规测井曲线Fig.1 Conventional logging curves of No.8 and No.9 coal seams of M1 well

2.4 自然伽马曲线

煤的自然伽马值通常较低，由于构造作用的影响，煤层裂缝发育程度越高，填充的灰分、矿物质或者地下水含量越多，反而富含较多的放射性物质，导致自然伽马值增大。工区内8+9 号煤由原生变为碎裂、碎粒煤时，自然伽马值是增大的，如图1 中1 752～1 760 m所示。

2.5 中子孔隙度曲线

中子孔隙度主要反映地层的含氢量，且割理结构和裂隙中含有固态烃类基质和水，因此，煤的含氢指数很高。若煤层裂缝越发育，则容易被水填充，中子孔隙度值则会有一定程度的增加。M1 井目标煤层底部发育的碎裂煤，其中子孔隙度值相对上部煤层值较大(图1)。

2.6 电成像测井

电成像测井通过将地下岩石的电阻率变化转化成伪色度，直观地反映地层岩性和几何界面变化引起的电阻率差异，获得高分辨率的连续井周图像，相邻岩石和界面电阻率差异越大，图像响应越明显。图2 是M1 井的8+9 号煤层电成像测井处理成果，高电阻率对应浅色图像，充满钻井液的裂缝表现为低电阻率，对应深色图像。与常规测井相比，电成像测井拥有更高的垂向分辨率和可视性，可以直观地进行裂缝识别。

2.7 阵列声波测井

地震横波在穿过直立裂缝引起的各向异性介质时，会沿每条射线路径分裂成2 种具有不同传播速度的偏振波(快横波和慢横波)，快横波偏振方向沿裂缝方向，慢横波偏振方向垂直于裂缝，裂缝引起各向异性越强，两列波的传播速度差异越大，因此，可以通过分析横波分裂现象进行裂缝发育评价[48]。对阵列声波测井观测到的声波信号进行处理分析，可以从全波列中提取横波进行时差计算，获得快、慢横波速度及方位，从而预测裂缝发育强度和方位。图3 为研究区M2 井煤层多极阵列声波各向异性处理成果，其中横波时差较高部分为煤层段，平均各向异性较强，快横波方位图以及玫瑰图指示该段煤层的裂缝发育方向主要为北北东向，在近东西向也有一定发育。

图3 M2 井8+9 号煤层多极阵列声波各向异性处理成果Fig.3 Anisotropic processing results of multipole array acoustic logging in No.8 and No.9 coal seams of M2 well

3 研究区煤层大尺度裂缝叠后地震属性预测

叠后地震属性分析技术是在叠后地震数据上进行的，由于受到地震数据体道间距的影响，分辨率相对较低，该方法在断层和大裂缝预测中起着重要作用。常用属性有相干、曲率、倾角方位角、方差、谱分解相位调谐体、蚂蚁追踪、边缘检测等。相干技术以其突出地震同相轴不连续性的特点可有效精确地识别裂缝；曲率体属性与相干属性相似，是预测小断层和裂缝的有力手段。在本研究区，采用了对裂缝更为敏感的本征相干、相干增强和智能蚂蚁属性对裂缝展布进行描述，效果显著。

3.1 本征相干识别裂缝

本征技术是一种定量化计算地震波形相似性的方法，通过在时空中定义“全局化的”孔径并利用倾角和方位角的计算来实现。本征相干成果更能突出数据体的不相干性，为地震波形空间变化提供准确的成图显示，并可方便直观地与地质特征和沉积环境联系在一起，对识别裂缝具有较好的效果。主要计算参数有时窗长度和水平半径。时窗长度为计算地层倾角和特征值分析的参数，为了刻画8+9 号煤层裂缝的发育情况，本次采用的时窗长度为10 ms；水平半径为每次参与特征值分析的道的数量，值越大参与计算的道越多，计算量越大，得到的结果信噪比就越高，但损失的细节也越多，本次计算选取1 道作为水平半径值。图4 为研究区8+9 号煤层本征相干切片，图中显示主要发育北北东和北西2 组断层，而对裂缝的刻画虽有一定反映，但是还不够精细。

图4 8+9 号煤层本征相干切片Fig.4 Intrinsic coherence slice of No.8 and No.9 coal seams

3.2 相干增强识别裂缝

相干增强是在相干体的基础上，使用基于方向一致性的蚁群追踪算法，在最大曲率的增强约束下，对相干体进行后处理，以达到增强相干的目标。该算法优势有：蚁群追踪，全局优化；曲率增强，断层确定性更强；曲率约束蚁群追踪，效率高。该属性最重要的一个参数就是最小裂缝长度，即算法追踪能够识别的最小长度，依据工区情况，选取四分之一波长即30 m 作为裂缝最小长度值。图5 为8+9 号煤层相干增强切片，相对本征相干切片，其对于细微裂缝的刻画更为突出。

图5 8+9 号煤层相干增强切片Fig.5 Coherence enhancement slice of No.8 and No.9 coal seams

3.3 智能蚂蚁识别裂缝

蚂蚁算法是通过蚂蚁挥发的“信息素”的机制来传递信息，实现群体内部的间接通信，依赖自身催化与正向反馈的机制可以最终发现觅食的最短路径。但是在常规的蚂蚁算法中，多解性比较强，智能蚂蚁算法是在常规蚂蚁算法的基础上，将构造发育的信息和地质背景作为约束的一种新型蚂蚁算法，使多解性大大降低，并且符合研究区地质规律。核心参数仍然是算法追踪识别的裂缝最小长度，选取30 m 作为最终参数。图6 为区内8+9 号煤层的智能蚂蚁切片，从切片上可以看出，大致发育北西和北北东2 组裂缝，这与相关增强切片的成果基本吻合，但是更加突出对裂缝形态的刻画。

图6 8+9 号煤层智能蚂蚁切片Fig.6 Intelligent ant slice of No.8 and No.9 coal seams

4 研究区煤层裂缝叠前预测

利用方位叠前地震资料所包含的丰富信息，在地质与测井资料所提供的先验信息下，可根据叠前地震反演方法得到描述储层信息的弹性参数及各向异性参数，基于参数与裂缝之间的数理关系，可达到识别储层裂缝的目的，叠前方位AVO 反演主要在叠前道集数据进行，其对裂缝预测的尺度介于测井数据和叠后地震数据之间。

4.1 方位AVO 反演原理

通常裂缝性储层发育的裂缝大多都是垂直定向排列的，具有横向各向同性介质(Horizontal Transverse Isotropy，HTI)的特点。A.Rüger[49-50]基于弱各向异性的概念，并结合Thomsen 各向异性系数，推导出HTI各向异性介质中反射系数随方位角和入射角变化的公式为：

式中：i为入射角，(°)；φ为方位角，(°)；α为纵波速度，m/s；β为纵波速度，m/s；Z为垂直纵波阻抗，(g/cm3)·(m/s)；G为垂直剪切模量,(g/cm3)·(m/s)2；ε(V)，Δδ(V)，γ为Thomsen 各向异性参数。Δ[·]为上、下界面物理量之差；为上、下界面物理量的均值。

当入射角较小时，上式关于入射角的高阶项(第三项)可以被忽略，上式可近似简化为：

式中：φk为第k次的观测方位角；φsym为裂缝介质对称平面所在的方位角；I为反射系数；Biso为各向同性梯度；Bani为各向异性梯度。

在进行宽方位地震采集时，可以得到多个φk，当i固定时，对Biso，Bani和φsym进行非线性方程组的求解，并根据无裂缝时的Biso和裂缝发育时的Biso+Bani来拟合方位各向异性椭圆，裂缝强度越大，拟合出的方位椭圆越扁，并且椭圆长轴方向指向φsym方向，由此可以通过椭圆长轴来指示裂缝发育方向，椭圆长短轴之比表征裂缝强度，从而实现对裂缝强度和方向的预测。

4.2 叠前方位道集处理

叠前方位道集质量的好坏直接影响方位AVO 反演的结果，因此地震资料优化处理是反演的关键步骤。首先对叠前时间偏移后带有方位和偏移距的叠前数据进行预处理，例如滤波去噪、振幅补偿以及剩余时差校正等针对性处理技术，以提高道集品质，再对优化后的道集进行方位分析，划分出最能体现工区特点的方位道集，使反演准确性更高。

1)道集优化

研究区内由于地表及采集因素的影响，道集主要存在两方面问题：一是信噪比低，随机噪声发育；二是存在剩余时差，导致道集在中、远偏移距不平，同相轴出现上翘现象。

针对噪声问题，首先采用F-X 域随机噪声衰减技术，去除随机噪声，再利用Radon 变换技术去除多次波干扰，针对剩余时差，选择近道作为参考道，沿时间轴将参考道与实际道做互相关计算，对相关度最大位置的时移量进行二维曲线平滑，准确求取时移量，并应用于道集上，实现道集拉平。图7 为道集优化前后对比，经优化处理后，叠前道集的信噪比得到显著提高，同相轴更加清晰，较好地消除了道集不平的现象，目的层位置的反射同相轴更平。

图7 优化前后道集(CDP 895)对比Fig.7 Comparison of gathers before and after optimization

2)方位道集划分

在进行方位AVO 反演前，要先进行研究区观测系统参数的全方位分析，筛选出最能体现工区特点的方位角数据。一般来说，划分好的方位道集至少有3个方位，以便能进行正常拟合，为了保证每个方位角数据的信噪比，每个方位覆盖次数应不少于20 次，并且反演输入数据偏移距范围内的数据方位要尽量完整。研究区叠前数据偏移距和方位角信息如图8 所示，该叠前数据的最大覆盖次数为256 次，红色扇形阴影表示分布在各方位上的覆盖次数，扇形越长表明在该方位上的覆盖次数越大，可以看出，除了北东和南西方位覆盖次数较大，其他各方位覆盖次数分布比较均匀。灰色扇形阴影表示数据在不同方位上的偏移距，偏移距范围为226～3 376 m(蓝色同心圆之间范围)，优选本次裂缝预测的偏移距范围为500～2 700 m(红色同心圆之间范围)，在该偏移距范围内将方位角从0°到180°按每30°划分，共划分为6 个方位，每个方位对应一个中心角度，分别为15°、45°、75°、105°、135°、165°，划分方位角后，各方位的覆盖次数可以达到42 次，达到反演的要求。

图8 道集偏移距和方位角分析Fig.8 Analysis of trace offset and azimuth

4.3 叠前反演结果分析与验证

图9 为过某井各向异性强度剖面，红色高值表示各向异性强，裂缝发育密度大。图10 为8+9 号煤层各向异性强度沿层切片，除工区南北边缘可能存在因数据质量较差引起的各向异性强度异常外，各向异性反演得到的裂缝发育区(各向异性较强区)，大多集中在工区东部大断层以及其他各个断裂附近，同一断裂附近发育的裂缝方位角信息基本一致。裂缝发育方向指示了北北东向和北西向两组主要方向以及部分近东西向裂缝(图11)，此结论和图3 的阵列声波测井解释成果以及叠后属性切片有较好的一致性。将叠前与智能蚂蚁切片进行对比(图12)，可以看到工区中部智能蚂蚁属性与各向异性强度所表征的裂缝展布基本吻合。