煤体结构测井响应及其判识方法研究进展

吴 蒙 ，秦云虎，孔庆虎，兰凤娟，苏文凯，朱士飞

(1.江苏地质矿产设计研究院,江苏 徐州 221006;2.中国矿业大学 煤层气资源与成藏过程教育部重点实验室,江苏 徐州 221008;3.中国煤炭地质总局 第一勘探局地质勘查院,河北 邯郸 056004;4. 新汶矿业集团地质勘探有限责任公司,山东 泰安 271222)

1 引言

煤体结构是影响煤层气井压裂改造乃至排采优化的关键因素[1-3]。表现为煤体的构造变形在微观上造成了孔裂隙分布、渗流及煤层气扩散能力发生变化,导致了煤储层非均质性增强,加剧了煤层气开发难度[4-7]。而构造煤的产生使得原煤层的杨氏模量、泊松比、破裂压力等物理参数发生本质变化[8]。基于此,准确判识煤体结构是深层煤层气勘探开发研究的一个关键问题[9]。

煤体结构的判识方法包括地面取心、井下取样和地球物理测井解释[10-11]。其中,地面取心和井下取样判识结果准确,但易受样品局限性和取样成本制约,无法对全井段煤层的煤体结构进行精细化的描述和大规模的推广应用[12-14]。地球物理测井方法可提供深度连续且准确的解释结果,从而能够实现对煤体结构全井段精细化的描述[6,15-16]。但以往对煤体结构的测井研究多聚焦于定性识别或定量识别的单一领域,加之复杂多变的环境因素,导致煤体结构更难精准判识[6]。同时,如何准确地选用煤体结构识别方法也鲜有报道[17-18]。为此,笔者基于国内煤体结构的相关成果,评述了煤体结构分类、测井响应及其判识方法,提出了测井识别煤体结构存在的问题,旨在为我国矿区煤体结构的精准识别提供一定的借鉴意义。

2 煤体结构分类

煤体结构指煤层在地质历史时期经历多种地质作用后,煤体内部遭受破坏变形后的结构特征[19]。Frodsham等[20]根据节理发育程度、煤体完整性和强度等特征划分煤体结构。琚宜文等[21]在前人的研究基础上,结合两淮煤田和沁水盆地煤体构造变形机制,将煤体结构划分为韧性变形、脆韧性变形和脆性变形3种变形序列的10类煤。依据《防治煤与瓦斯突出细则》将煤的破坏类型划分为：原生结构煤(Ⅰ类)、碎裂结构煤或过渡结构煤(Ⅱ类)、强烈破坏(片状煤,Ⅲ类)、强烈破坏(粒状煤,Ⅳ类)和强烈破坏(粉碎煤,Ⅴ类)。依据测井曲线形态特征、钻井取心描述、煤岩破碎程度、多期构造运动、物性等参数划分出不同的煤体结构类型(表1)。即煤体结构类型主要包括原生结构(P)、原生-碎裂结构(PF)、块状结构(B)、碎裂结构(C)、碎裂-碎粒结构(FF)、碎粒结构(F)、碎粒-糜棱结构(FM)和糜棱结构(M)。

表1 我国不同的煤体结构类型

3 煤体结构测井响应特征

煤体结构判识采用的常规测井包括井径(CAL)、密度(DEN)、自然伽马(GR)、声波时差(AC)、中子(CNL)和侧向电阻率(LLD)[15-16,31-33]。

3.1 井径(CAL)

煤层长期受构造应力场作用,导致煤裂隙发育,钻探过程中井壁容易垮塌,发生扩径现象。系统收集赵庄、寺河、樊庄、安泽、郑庄、六盘水、大同、古叙、韩城和沁水盆地南部地区不同煤体结构的CAL响应值[9-11,24,26-27,29,34-36],发现CAL值介于14.82～67.16 cm,平均值介于20.25～45.05 cm,而原生结构煤CAL值介于14.82～47.29 cm,平均值介于20.25～31.30 cm。同时,绘制不同地区煤体结构CAL的最大值、最小值和平均值,发现随着煤体破碎程度的增加,CAL平均值增大(图1)。进一步表明构造煤比原生结构煤扩径现象更显著[5,29,37-38]。

3.2 密度(DEN)

密度测井主要反映地层岩体的密度变化,在构造应力作用下,煤层孔裂隙发育尤其增加了各种尺度的孔隙(微孔、中孔和过渡孔)[37]。相同变质程度的煤,原生结构煤密度明显大于构造煤密度[9,28]。系统收集赵庄、寺河、樊庄、安泽、临兴、郑庄、六盘水、大同、柿庄、古叙、古交和沁水盆地南部地区不同煤体结构的DEN响应值[9-10,19,23-26,29,34-36,39-40],发现DEN值介于1.00～2.08 g/cm3,平均值介于1.18～1.68 g/cm3,而原生结构煤DEN值介于1.18～2.08 g/cm3,平均值介于1.34～1.68 g/cm3。同时,绘制上述地区煤体结构DEN响应的最大值、最小值和平均值,发现相同变质程度的煤,煤体结构越破碎,DEN值越小(图2)。然而,局部煤体受裂隙中地层水侵入和杂质含量影响,煤岩纯度下降,DEN值升高[41]。

图1 不同地区煤体结构与井径测井的最大值、最小值和平均值分布Fig.1 Distribution of maximum, minimum and average values of wellbore logging and coal body structure in different regions

图2 不同地区煤体结构与密度测井的最大值、最小值和平均值分布Fig.2 Distribution of maximum, minimum and average values of density logging and coal structure in different regions

3.3 自然伽马(G R)

图3 不同地区煤体结构与自然伽马测井的最大值、最小值和平均值分布Fig.3 Distribution of maximum, minimum and average values of coal structure natural gamma logging and coal structure in different regions

自然伽马测井受煤层内放射性物质质量分数和地下水元素地球化学放射性影响[16,29]。系统收集赵庄、寺河、樊庄、韩城、安泽、六盘水、大同、柿庄、古叙和古交地区不同煤体结构的GR响应值[8-11,15,19,23,25-26,29,34,36,40],发现GR值为5.10～141.19 API,平均值为18.71～93.34 API,而原生结构煤GR值介于8.66～111.45 API,平均值介于18.71～62.55 API。绘制不同地区不同煤体结构GR响应的最大值、最小值和平均值,见图3。由图3可知,煤体越破碎,GR平均值整体越大(樊庄、古交除外),但樊庄和古交地区煤体GR平均值整体越小。这与煤层单位体积放射性物质质量分数有关[10,42,32-33],加之后期煤层因地层水中放射性元素或煤体杂质影响,导致构造煤和原生结构煤GR值存在差异[29]。同时,煤体越破碎,孔隙和裂隙越发育,单位体积放射性物质质量分数越低[5,37]。

3.4 声波时差(AC)

声波时差是根据声波传播速度差异判识煤体结构。煤层受构造应力挤压搓动,导致煤层孔隙与微裂隙发育,胶结性变差、煤体结构疏松,AC值增大[10,32-33,42]。同时构造煤比原生结构煤孔隙发育,构造煤的纵波、横波声波时差比原生结构煤大,常出现“周波跳跃”现象[37,41]。也就是说,从原生结构到糜棱结构煤的过程中,随着小分子含量不断增加及孔隙变化,与之相应的AC值逐渐增大[29]。系统收集寺河、樊庄、沁南、安泽、郑庄、焦作、六盘水、大同、柿庄、古叙、古交和韩城地区不同煤体结构的AC响应值[9-11,19,22,24-25,29,34-36,40],发现AC值介于259.00～770.00 μs/m,平均值为339.00～650.00 μs/m,而原生结构煤AC值介于259.00～681.21 μs/m,平均值介于339.00～488.95 μs/m。同一煤层条件下,随着煤体破碎程度增加,AC值增大(图4)。这与震动波是借助煤岩体震动传播有关,原生结构煤的震动波折射次数相对较少,而煤体破碎程度加剧导致折射次数增加[32]。

3.5 中子测井(CNL)

中子测井可以借助煤岩中含氢指数差异判识煤体结构。在低含水或不含水的煤层条件下,煤体含氢指数接近,测井曲线无明显差异,此时中子测井难以有效识别煤体结构[43]。然而,煤体含水率较高或水饱和条件下,构造煤中孔裂隙较为发育,含水量明显高于原生结构煤,引起含氢指数相应增高,CNL值差异明显[29]。系统调研寺河、安泽、临兴、古叙和沁水盆地南部地区不同煤体结构的CNL响应值[10,25,36],发现CNL值为22.95 %～57.02 %,平均值为34.58 %～49.88 %,而原生结构煤CNL值为22.95 %～52.76 %,平均值为34.58 %～45.95 %。随着煤体破碎程度的增加,CNL值总体增大(图5a)。此外,临兴地区因构造煤中裂隙和含水率的差异,导致CNL平均值逐渐减小[10,32-33,42]。

图4 不同地区煤体结构与声波时差测井的最大值、最小值和平均值分布Fig.4 Distribution of maximum, minimum and average values of acoustic time difference logging and coal structure in different regions

图5 不同地区煤体结构与中子测井和侧向电阻率测井的最大值、最小值和平均值分布Fig.5 Distribution of maximum, minimum and average values of neutron logging and lateral resistivity logging and coal structure in different regions

3.6 侧向电阻率(LLD)

同一煤层变质程度相同的构造煤与原生结构煤物理化学性质存在差异。一般情况下,构造煤硬度和电阻率降低,其含水性和导电性增强[10,18]。LLD幅度差异可以反映出煤体的破坏程度,幅度越大,煤体的改造(破碎)程度越高[29,37,41]。系统调研寺河、郑庄、柿庄、古叙和安泽地区不同煤体结构的LLD响应值[10-11,35-36,40],发现LLD响应值为18.42～26 990.50 Ω·m,平均值为43.90～16 711.8 Ω·m,而原生结构煤LLD值为39.18～26 990.50 Ω·m,平均值为43.90～16 711.80 Ω·m。随着煤体破坏程度的增加,LLD平均值逐渐减小(图5b)。这与构造煤颗粒间的孔隙与微裂隙发育、煤中导电自由基浓度和小分子数量不断增加有关[30,44]。构造煤的孔隙网络越发达,连通性越好,其导电离子在电场作用下能够更加自由地迁移,从而使侧向电阻率减小[5,45]。

4 煤体结构测井识别方法

目前,煤体结构测井判识方法包括定性和定量两种方法。其中,定性方法是建立在常规测井曲线形态特征的基础上,这与煤中矿物质含量低,煤层密度相对较小,可借助密度测井结合煤质(灰分)参数识别煤体结构有关[5,31]。一般情况下,煤层压实差,孔隙率大,水分高并含有腐植酸,则电阻率低[10,32-33]。定量方法是建立在测井参数数据化基础上,再结合经验公式、模型和软件,进行公式化、模块化、智能化识别。其中,煤体结构测井识别方法见表2。

表2 煤体结构测井识别方法[14,24,28,35,46-56]

4.1 煤体结构测井定性判识方法

煤体结构测井定性判识方法是基于不同煤体结构具有不同的测井曲线形态特征(表3)。考虑到钻探煤层容易垮塌,测井曲线质量差异较大等影响因素,依靠单一测井识别煤体结构误差较大。为此,采用多条测井曲线相结合的方法识别煤体结构,以提高预测结果的准确性[17,27,60]。查阅相关文献发现[10,17,45],随着煤体破碎的程度加深,CAL、AC和CNL值增大,DEN值减小并趋于稳定,LLD值多数减小,GR值因煤体杂质或地层水中放射性元素的影响,曲线幅值变化不同。同时,无烟煤变质程度高,煤颗粒比表面积大,煤层气吸附和保存较多,导电能力减弱,致使LLD值随着煤体破碎程度的加深而增大[4,61]。

综上所述,煤体结构测井曲线形态判识方法尽管简单直观,但其主观性强,普适性低,难以达到现场勘探开发的精度需求。

表3 不同煤体结构的测井曲线形态特征[10,23,57-59]

4.2 煤体结构测井定量判识方法

煤体结构测井定量判识方法包括经验公式(构造指数、交会图)、多元回归(线性回归)、聚类分析、贝叶斯判别式、BP神经网络、机器学习和支持向量机等[6,11,15,27,31,45,49-56,59]。其中,经验公式法借助平均煤体结构指数(N)、原生结构煤占比(A)、经验比值(I)、孔隙结构指数(M)、煤岩脆性指数(BI)、斯伦贝谢比(G/Cb)、裂缝指数(Y)、深侧向电阻率与微球聚焦电阻率比值(R)、波阻抗(HGG)和地质强度因子(GSI)等指标范围判识煤体结构(表4)。

表4 煤体结构的测井量化判识指标特征

煤体结构定量判识的模型中,依据经验公式,结合多元回归分析、聚类分析、支持向量机和机器学习等数学地质方法,能够显著提高煤体结构识别的准确度。其中,多元回归分析是基于区域测井资料和岩心资料,引入煤体结构量化参数,建立数学模型,该方法判识精度高[27]。聚类分析是基于煤体结构灰色关联度与各类测井曲线在煤体结构判识过程中的权重系数,无监督建立测井数据判识模型[46]。贝叶斯判识法是基于测井参数和煤体结构数据化,测井曲线组合优选,再结合区域测井值的可对比性,进行数学建模与验证[31,56]。BP神经网络法是建立在一定的样本数据基础上,先明确煤体结构参数与测井参数之间的联系,有监督的深度学习(模拟)找到内在痕迹乃至规律,再进行煤体结构预测[31,48]。支持向量机是通过建立决策面将正例与反例隔开,通过分解机重构将多分类模式转变成二分类模式实现煤体结构判识的问题[49-52]。机器学习是通过多种算法融合多种测井信息构建煤体结构识别模型,以粒子群算法、交叉验证等方法优化和评估预测模型的参数及其精度,通过GDTB(Gradient Tree Boosting)等算法提升多棵树的集成学习能力,最终构建判识模型[53-56]。同时,该方法可以弥补主观分析欠缺和过度的缺点[53]。

5 存在的问题

煤体结构地球物理测井识别方法已取得显著进展,尤其是创造性地运用数学和地球物理学等交叉学科解决地质问题[10,11,57]。然而不同矿区煤层厚度差异较大,加之测井曲线多解性和煤储层物性等因素,导致煤体结构判识准确度降低[14]。例如,当煤层厚度<2 m时,煤体结构不能借助波阻抗数据开展交会图判识[15]。同时,由于测井方法在纵向上的分辨率有限,使得单井段煤体结构判识误差多来源于煤体结构交会处,尤其针对厚度较小的煤体结构段。此外,煤层夹矸段对测井响应的影响误差也较大[51,53]。因此,应加强地球物理测井处理的理论研究,包括测井曲线小波多尺度分析或曲线重构理论[37]。

煤体结构测井判识方法易受样本数量影响,且煤质类型单一,需要深入研究不同煤质煤体结构测井判识方法[24,45]。矿区测井资料时间跨度较大,多由2家以上施工单位提供,需要根据实际情况确定不同煤体结构量化指标范围[8,24]。最后,无论是BP神经网络模型、支持向量机和机器学习等定量判识方法,还是基于测井曲线形态特征定性判识方法都有一定的局限性[14,17]。这里涵盖地球物理测井资料、区域地质环境、煤体结构关键参数选择等因素[11,31]。因此,煤体结构的精准判识应加强地球物理测井资料标准化、系统化和数据化研究,构建可视化、智能化、跨区域煤体结构测井判识的数据提取、指标优选和结果存储体系。

6 结论

1)原生结构煤CAL为14.82～47.29 cm,DEN为1.18～2.08 g/cm3,GR为8.66～111.45 API,AC为259.00～681.21 μs/m,CNL为22.95 %～52.76 %,LLD为39.18～26 990.50 Ω·m。随着煤体结构破碎程度的加剧,DEN、CNL和LLD值减小,GR、CAL和AC值增大。

2)煤体结构测井判识方法包括经验公式、多元回归、聚类分析、贝叶斯判别式、BP神经网络、支持向量机和机器学习。而曲线形态法因其主观性强,普适性低,难以达到现场勘探开发的精度要求。

3)地球物理测井判识煤体结构受矿区煤层厚度、测井曲线多解性和煤储层物性等因素影响,应加强测井的曲线重构理论、资料标准化、系统化和数据化研究,构建可视化、智能化、跨区域煤体结构测井判识的数据提取、指标优选和结果存储体系。