基于裂缝预测与流体预测技术的煤层顶板富水性研究——以葛泉矿2煤层为例

亚东菊,田锦瑞,殷全增,齐亮亮,张灯亮

(河北省煤田地质局物测地质队,邢台 054000)

0 引言

随着煤矿开采的发展和构造复杂矿井的相继投产,矿井顶板水害问题影响煤矿建设和安全高效生产的问题日益凸显。如何有效防止顶板水害发生是各矿井亟需解决的问题。近年来,前人采用不同方法对顶板富水性进行研究和勘探开采实践,建立了多种相对成熟的方法体系。

崔江伟等[1]采用瞬变电磁数据精细处理技术对煤层顶板富水区进行探测研究。张国恩等[2]利用音频电穿透法准确查明了松散含水层下回采工作面内部复杂的导水异常构造。梁向阳[3]在瞬变电磁法和音频电透视法的基础上,再通过布置钻孔掌握涌水量和水压分布情况,综合分析顶板富水性。武强等[4]运用基于GIS信息融合的富水指数法实现了对充水含水层的富水性评价。刘景等[5]利用层析分析法对大南湖顶板突水危险性进行了评价。孙洁[6]和刘基等[7]通过陆相古地理沉积演化对煤层顶板砂岩富水性进行了研究。近年地震预测技术在煤层顶底板含水性方面也发挥了作用。汪洋[8]通过地震多属性与测井联合反演获取拟测井参数体进行赋水性分析。李雪梅和陆大华等[9-10]通过地震属性预测岩性参数进行反演,从获得的波阻抗体、视电阻率体和孔隙度体来预测煤层顶底板富水性。田伟等[11]利用AVO技术与伪泊松比属性联合预测灰岩富水性。陈占海等[12]利用地震资料不同岩体的频谱差异对煤层顶底板砂岩富水性进行预测。韩璐[13]利用多属性融合研究了顶板砂岩含水层富水性及突水危险性。郎玉泉等[14]通过Gassmann方程和AVO(Amplitude Variation with Offset)技术探讨煤层顶板砂岩富水性的预测方法。目前地震预测技术对含水性的研究主要是利用地震属性对岩性参数进行反演,以上研究成果均有助于顶板水害防治工作,方法体系日趋成熟,但利用已知地震资料预测煤层顶板富水性有待进一步深入研究。本次在已知构造特征和高物性岩层展布的基础上,开展裂缝预测与流体预测,对富水区域进行圈定,对矿井后期水害防治提供参考。

目前,煤层裂缝预测主要利用露头、岩心、测井资料、和地震资料等进行分析。利用地震资料是根据地震波在裂缝介质中传播过程中方位各向异性特征变化来预测裂缝发育方位和发育强度的,如叠后地震属性和OVT域叠前方位AVO反演等方法[15-19]。本文利用应力场模拟和局部构造非连续性进行裂缝预测,提高了计算效率和抗噪能力。与致密的单相地质体相比,当地质体中含流体如油、气或水时,会引起地震波的散射和地震能量的衰减,通过衰减属性来检测储层中流体发育特征。流体预测主要应用于油气和煤层气研究方面,在煤层含水性方面尚未应用。在研究过程中,地震资料信噪比良好是基础,处理中做好中深层目标区有效反射的能量恢复是关键点。利用裂缝和流体预测相结合研究煤层顶底板含水性,前人尚未进行相关研究。本次尝试采用这两种方法用于研究煤层顶板富水性预测,在以往突水区域吻合度较高,取得了一定效果。

1 地质背景

本次以葛泉矿五六七采区和葛泉东井2煤为例进行研究,2煤层位于山西组中部,为葛泉井田主要可采煤层之一,平均煤厚2.67 m,厚度变化不大,其顶部发育以灰色-灰黑色中细砂岩、粉砂岩为主的砂岩层,属高物性地层。葛泉矿历经多次勘探,均将其确定为水文地质条件复杂井田,自1989年投产以来,巷道开拓和回采过程中发生过多次突水。其中包括奥陶系灰岩水、野青灰岩水和煤层顶、底板砂岩水突出。

1.1 构造特征

葛泉矿在区域构造上位于太行山断褶带东部边缘上,隔太行山山前大断裂与冀东南沉降带毗邻,燕山期的局部应力场为NW-SE挤压。继燕山运动之后,以太行山山前断裂为界,以东拉伸下沉,以西拉伸上隆。葛泉矿所属的邢台矿区位于上隆区边缘,受NW-SE方向拉伸应力。因此,研究区构造因受主要的北东和次要的北西两种方向作用力控制,使之构造形态比较复杂。断层和褶皱平面分布,既有北东向,又有北西向。

1.2 水文特征

葛泉矿位于百泉水文地质单元中部径流区,地表水系有六条季节性河流。含水层可粗分为新生界含水体和基岩含水体。新生界含水体主要为第三、四含水层,与煤矿生产关系密切的是第四系含水层。第四系含水层共有底部砾石含水层、中部砂层含水层和上部砾石含水层三层。层与层之间均有良好的隔水层存在,基岩含水体则相对较为复杂。

区域内地下水的主要补给来源是大气降水和局部地区沟谷河床渗漏。由于区域内裂隙岩溶含水层均为厚层含水层,且裂隙岩溶发育,各含水层通过导水构造发生水力联系,使山区裂隙岩溶含水层与奥陶系裂隙岩溶含水层构成了统一的含水层。

1.3 地震地质概况

本区采集的地震资料质量较好,在地震解释剖面上,新生界内及其底界面与下伏煤系地层间形成的一组反射波,全区能量较强,能连续追踪(图1)。在实际开采中发现,本区以灰岩、砂质泥岩为主的直接顶以中等稳定-稳定顶板为主,裂隙不很发育;在断层破碎带附近,顶板裂隙较发育,综合分析,煤层顶底板平整,裂隙不很发育。

图1 研究区地震解释剖面Fig.1 Seismic interpretation profile of study area

2 裂缝预测

裂缝是致密、脆性岩石地层流体通道的决定性因素,是油、气、水的运移和聚集通道,影响和控制着其动态变化,在以往的研究中,裂缝预测主要应用于油气藏研究。对于研究的区域带来说,构造发展是裂缝产生的直接原因,在构造发展过程中,构造变形运动在构造内部引起了一连串的应力重新分布,从而相应伴随出现了各种不同的裂缝组系,因此,本次通过裂缝预测,从大尺度和中小尺度两个方面进行。

2.1 应力场模拟—大尺度裂缝检测

随着地质演化,一个地区常常经受多次不同方式的地壳运动,导致同一地区内,呈现出受不同时期不同形式地应力场作用所形成的各种构造及其叠加或改造的复杂景观。因此,只有最近一期地质构造,未经破坏或改造,才能确切地反映这个时期的地应力场。

本研究区在构造演化过程中,经历多次不同方式的地壳运动,在不同时期的地应力场是不同的,所形成的各种构造及其叠加或改造的微构造也不尽相同。煤层、砂岩在构造运动作用下,会产生大量的构造缝,主要分布在地层顶面,反应大尺度裂缝特征。

其原理:通过应力场模拟进行裂缝预测,其理论基础为构造力学。从构造力学出发,利用地层的几何信息(构造面)、岩性信息(速度、密度),估算出地层的应力场,包括地层面的曲率张量,变形张量和应力场张量,从而得到主曲率、主应变和主应力(图2)。

图2 应力场模拟原理及思路Fig.2 Principle and thought of stress field simulation

通过把三维地震数据体变换为LSE数据体,解释人员可以揭示在地震数据体中不易察觉的细微的地质特征,这种方法与其它不连续性检测方法相比具有计算效率高,抗噪能力强等特点,是最新一代不连续性检测算法。

选择一个3D矩形数据窗口,当探测大尺度的不连续特征时,应采用较大的数据窗口;而当对小尺度特征或细微特征感兴趣时,应采用较小的数据窗口。将这窗口内的数据分成四个子数据体,并计算相应的互相关矩阵。由此互相关矩阵定义其局部结构熵值。其局部结构熵值可表征储层的相关性。

以2煤层为例,底面大尺度裂缝方向全局统计结果显示(图3),裂缝方向有两组:东南-西北、西南-东北,网状缝特点明显。煤层脆、受构造易于碎裂,推测2煤层经过两次大的构造运动,应变强度比较均匀,对于煤层保存不利。

图3 2煤层底面大尺度裂缝方向全局统计Fig.3 Global statistics oflarge scale fracture direction of 2 coal seam bottom

图4为2煤层大尺度裂缝模拟结果(最大主应力方向+最大主应变)表明裂缝发育及方向呈条块分布明显,该模拟结果与研究区所经历构造运动一致。

图4 2煤层底面大尺度裂缝预测结果(应变强度+应力方向)Fig.4 Prediction results of large scale cracks in 2 coal seam bottom(strain intensity+stress direction)

2.2 非连续性检测-中小尺度裂缝预测

本次裂缝预测采用局部构造熵分析方法[20],指示地震数据中给定子体内的不连续程度,周艳辉等[21]将该方法用于地层横向不连续性结构检测。地震不连续性检测技术一直是地震数据裂缝分布预测的有力工具,判别疏导体系的存在,为水分活跃流动的原因提供依据。

局部结构熵基本方法:设选择一个分析数据体,沿Inline取2L1个数据点,沿Crossline取2L2个数据体,沿travel time取N样本点。 不妨设这些数据均已是归一化后的值。将这个数据体划分成L1×L2×N的四个子数据体,每个子数据体的数据表示为{ai,i=1,2,3,4},构造其互相关矩阵:

(1)

这是一个对称矩阵。

局部结构熵的定义,点P(x,y,t)处的局部结构熵:

(2)

这里x,y,t分别表示沿Inline,Crossline和travel time的方向的值。

显然当四个子数据体完全相关时,即四个子数据体完全相同时,有tr(S)=‖S‖,并ε=0;一般地,有tr(S)≤2‖S‖,并ε≤1。而ε=1则表示子数据体完全不相关。

局部结构熵是一个归一化的数据,其大小表示了该点处前后左右的地质特征变化关系。其值越小,表示其相关性越大;反之,相关性越小。

通过中小尺度裂缝(非连续性)检测剖面(图5和图6),分析其剖面特征,可知五六七采区中小尺度裂缝发育程度横向变化较大(图5),葛泉东井比较稳定(图6),利于煤层保存。

图5 五六七采区中小尺度裂缝检测剖面(非连续性)Fig.5 Small and medium scale fracture detection profile (discontinuous) inWuliuqi Mining Area

图6 葛泉东井中小尺度裂缝检测剖面(非连续性)Fig.6 Small and medium scale fracture detection profile (discontinuous) in Gequan East Well Mining Area

2煤顶板中小尺度裂缝(非连续性)检测平面(图7)。五六七采区在南部和北部中小尺度裂缝较发育,发育较均匀,葛泉东井地层裂缝不发育。

图7 2煤顶板中小尺度裂缝发育检测平面(暖色:非连续性检测)Fig.7 Small and medium-sized crack development detection plane of 2 coal roof(warm color:discontinuous detection)

3 流体预测

当储层中孔隙比较发育而且饱含流体时,地震波中高频能量衰减要比低频能量衰减要大。通过提取高频端的衰减梯度属性,可以间接地检测储层含流体发育特征。对研究区内钻孔进行多属性提取测试(图8),通过分析可知,大部分井透水性强的显示段,吸收衰减较强;透水性强的岩性主要为物性好、裂缝发育;但同时发现煤层段吸收衰减强。需要进行煤层过滤,消除煤层引起的高衰减。

图8 钻孔属性优选(暖色:吸收衰减强,暗色:吸收衰减弱)Fig.8 Optimization of drilling properties(warm color:strong absorption attenuation,dark color:weak absorption attenuation)

在图8中,自左向右属性分别为总能量、最大能量、低频属性、全频属性、能量比、高频衰减梯度、衰减频率、部分能量。其中对最为敏感的为高频衰减梯度,越红,颜色越暖,吸收衰减越强;越绿,颜色越暗,吸收衰减越弱。因此,优选高频衰减梯度属性,预测地层含流体性。

计算原理:

与致密的单相地质体相比,当地质体中含流体如油、气或水时,会引起地震波的散射和地震能量的衰减;断层、裂缝等的存在也会引起地震波的散射,造成地震能量的衰减,因此,可以通过衰减属性分析来进行预测。衰减属性分析是通过计算反应地震波衰减快慢的属性体来指示孔隙度的大小和分布范围(图9)。当孔隙比较发育而且饱含流体时,地震波中高频能量衰减要比低频能量衰减要大。通过提取高频端的衰减梯度属性,可以间接地检测储层含流体发育特征。图10为基于高频衰减梯度属性的含水性预测连井剖面图,其中暖色红色代表含水性强的部分,蓝色代表含水性弱的部分。

图9 衰减梯度属性用于流体检测原理图Fig.9 Schematic of the attenuation gradient property for fluid detection

图10 煤层预测剖面(上)与流体预测剖面(下)(滤除煤层后)Fig.10 Coal seam prediction profile (top) and fluid prediction profile (bottom) (after filtering coal seam)

图11为第四系底-2煤间地层流体分布预测厚度平面分布图,暖色为流体发育,其中五六七采区中西部地区流体较发育,发育较均匀,葛泉东井流体不发育。

图11 第四系底-2煤间地层流体分布预测厚度平面分布图Fig.11 The plane distribution diagram of fluid distribution prediction thickness in Quaternary bottom-2 coal strata

4 富水性预测

利用多种地球物理信息,通过信息融合获得地质目标的精确信息,可以避免单一属性的局限性和不确定性,提高勘探成功率。对经过标准后的地球物理数据进行变换,在相同分辨率下进行信息融合,采用区域选择法并结合加权方法,选择代表各原始数据的明显特征的系数,构成融合数据的金字塔数据结构,然后重构融合信息。

1)原始地球物理数据的小波多分辨分解。

2)计算数据体对应区域的匹配度。

3)计算权系数。

(3)

若

M(j)(x,y)>Mmin,则

(4)

若M(j)(x,y)≤Mmin,则

(5)

该权系数即为在各分辨率的分量中代表原始数据的明显特征的系数。

4)信息融合。

5)融合数据的重构。

融合数据中综合了多种地球物理数据的有用信息,是多种地球物理数据的有用信息的总代表。

本次优选流体(高频衰减频率)厚度、尺度裂缝(应变强大)、小尺度裂缝(非连续性)特征,研究富水情况。

从顶板富水性分布图(图12)可知,五六七采区顶板富水区主要集中在中西部地区,葛泉东井整体富水性差。

图12 2煤层顶板富水性分布图Fig.12 Water-rich distribution map of 2 coal seam roof

5 结论

1)通过应力场分析和非连续性技术预测裂缝发育,研究区主要发育东南-西北、西南-东北两个方向裂缝,五六七采区裂缝较发育,发育较均匀,葛泉东井地层裂缝不发育。

2)通过融合信息重构进行流体预测,可发现五六七采区中西部地区流体较发育,发育较均匀,葛泉东井流体不发育。

3)利用消除煤层影响的高衰减预测砂岩的含水性,应力分析裂缝发育特征,融合多属性提取技术对应的流体检测结果预测煤层顶底板含水性,得到地层富水区结果:五六七采区中西部地区富水性好,葛泉东井富水性差。该结果为煤层开采过程中可能出现的漏水提供预警,可靠性待矿方进一步验证。