基于密集臺陣地震背景噪聲成像預測煤礦瓦斯分布

黃宇奇， 查華勝,， 高級,3*， 令狐建設， 宣金國， 周建斌，董潤平， 霍晶晶， 張海江,3

1 中國科學技術大學地球和空間科學學院， 合肥 230026 2 安徽萬泰地球物理技術有限公司， 合肥 230026 3 安徽蒙城地球物理國家野外科學觀測研究站， 安徽蒙城 233527 4 華陽新材料科技集團有限公司， 山西陽泉 045000

0 引言

目前我國的能源消費結構中煤炭約占67%，預計到2050年仍將占50%以上(閆江偉等, 2013)，因此煤炭在很長一段時間內仍為國民經濟發展依賴的最主要能源.60%以上的礦井開采的煤層形成于石炭-二疊紀，形成地質時期早，演化歷史與地質條件復雜，煤與瓦斯突出災害較為嚴重.隨著煤礦開采深度的增加，這種情況將愈加明顯.因此對煤礦進行地下結構探測和瓦斯含量預測成為減少煤礦安全事故的關鍵問題(孫廣珍, 2007).

瓦斯是煤在歷史時期變質過程中形成的，生于煤層、儲存于煤層或者圍巖中的氣體.導致瓦斯聚集及突出的地質機理主要有三種形式(王德斌和王建濤, 2010)：一是在煤層及其頂底板圍巖的裂隙帶中瓦斯貯存且比較集中，形成富集區；二是在軟煤層中，伴隨地層壓力的作用，以及煤層采動引起瓦斯動態后移，遇到一定封閉性質地質構造或高應力帶阻擋聚集；三是在巖石巷道進入煤層巷道時，原完整巖石對煤層瓦斯具有自然封閉性，但由于采掘活動破壞了自然封閉富集區的完整性，造成瓦斯的涌出或動力突出.

當煤層中的瓦斯壓力達到或超過0.74 MPa時，該煤層可被定義為突出煤層(范喜生等, 2013).煤層中瓦斯的存在會降低煤的受力強度，在受到采掘活動影響時，富含瓦斯的煤層易產生破裂，并使瓦斯從高應力區向低應力區轉移，進而可能引發煤和瓦斯的突出事故.因此，在煤礦采區規劃及工作面布置前，如何有效的探測瓦斯富集區成為高瓦斯礦井安全生產的必要保障(賈興旺, 2015).瓦斯含量探測主要包括物理采樣測試及通過地球物理屬性間接探測方法.物理采樣測量主要采用原位吸附實驗方法(Fu et al., 2009)、鉆屑法等.直接采樣方法測量的瓦斯含量相對較準確，但該類方法存在兩個方面的局限性，包括：(1) 必須在有限鉆孔位置才能測量，不能給出宏觀的瓦斯分布特征；(2) 只能在已開采區域，或有地面鉆孔的位置，此時對于還未形成巷道開采區域的瓦斯含量信息則無法探測.地球物理類方法探測瓦斯是根據煤層在具有不同瓦斯含量時所表現出來的巖石物理屬性不同進行探測.相比較于正常煤層，富含瓦斯氣體的煤層具有因富含氣體、孔隙導致煤層密度減小、對應的地震波速降低、電阻率降低等屬性(Afonso, 2015; Lundberg and Sundqvist, 1986)，該特征成為采用地球物理方法探測煤層瓦斯分布的地質地球物理前提(汪志軍等, 2011).在構造相對簡單，煤層起伏平緩時，順煤層地震波速變化較小，若煤層出現一定趨勢和范圍的速度變化，且對應區域無明顯的構造異常，則該異常區域可能為裂隙及瓦斯富集區域.因此，可以通過獲得順煤層的地震波速變化來預測瓦斯含量分布.

獲得順煤層速度的地球物理類方法主要包括礦井內工作面地震槽波探測(任亞平, 2015)、工作面地震CT等井下物探方法.但該類方法只能在已布置好運輸巷、回風巷和切眼的情況下才能采集數據，且只能測量一個單獨的工作面，無法從井田及礦井尺度進行區域探測.而瓦斯賦存、運移特征需要從區域宏觀的尺度進行研究.針對目前瓦斯物理采樣探測采樣點少、礦井探測區域小、無法從區域尺度進行探測的問題，本文提出采用密集地震臺陣的背景噪聲面波成像方法，對采區尺度的順煤層速度進行成像，并結合巖石物理實驗建立瓦斯含量與地震波速之間的關系，進而研究預測采區內煤層瓦斯含量的分布.

背景噪聲面波成像是近十幾年來發展起來的有效的地層速度結構成像方法(Shapiro et al.,2005; Lin et al., 2008)，與常用的三維地震勘探方法相比，是一種被動源成像技術(Socco and Strobbia, 2004).它的基本思想是通過計算臺站對之間的噪聲互相關函數來近似獲得臺站間的經驗格林函數(Lobkis and Weaver, 2001)，每一個臺站均可以被認為是面波傳播到其他臺站的虛擬震源(Huang et al., 2010).對于布設在地表的臺站而言，背景噪聲的互相關主要由面波組成，面波傳播的走時面可以在密集臺陣覆蓋的區域內構建.面波能量主要集中在地表以下1個波長內(馬振寧等, 2019)，隨著深度增加，高頻面波逐漸衰減，低頻面波占主導成分.因此，對應的高頻面波反映淺部地層速度結構，低頻面波反映深部地層結構(Yao et al., 2008, 2009).

早期的背景噪聲成像研究主要集中在5～40 s的周期段，用于反演地殼和上地幔的速度結構(Young et al., 2011; 陳凱琪, 2019).近年來，運用背景噪聲提取高頻面波成分的研究取得了顯著進展，使得這種方法越來越多的運用于城市地下空間、礦產資源勘查等淺地表的研究中(Mordret et al., 2013; Liu et al., 2018; Du et al.,2020; 王娟娟等, 2018; 曾求等, 2020)，而目前尚未見基于密集地震臺陣的背景噪聲成像方法在煤田探測中的應用.

基于此，本文利用布設在陽泉寺家莊煤礦的密集臺陣，從背景噪聲的互相關函數中獲得短周期的基階瑞利面波的群速度與相速度頻散曲線(Sabra et al., 2005).通過面波直接成像的方法(Fang et al., 2015)獲得寺家莊井田區域精細的淺部三維橫波速度結構.并基于巖石物理實驗建立的地震波速度和瓦斯含量關系，進行瓦斯含量分布預測.該研究為煤礦瓦斯探測及后續地面瓦斯抽放和利用提供了新的技術手段，同時為煤礦區域的安全生產提供了技術支持.

1 研究區域介紹

寺家莊井田位于山西省晉中市昔陽縣境內(圖1a)，井田發育地層主要有太古界、元古界震旦系以及寒武系、奧陶系、石炭系、二疊系、三疊系.第三系、第四系地層在煤田內有不同程度分布.寺家莊礦區位于華北斷塊呂梁—太行斷塊沁水、武鄉—昔陽北北東向褶帶.武鄉—昔陽北北東向褶帶主要出露二疊系、三疊系地層，是由一系列不同級別褶皺組成的復式向斜.次級褶曲的軸向為北北東向，向斜寬闊，背斜相對較窄.礦區位于沁水煤田東北部，主要含煤地層為石炭系的太原組和二疊系的山西組.區內含煤地層埋藏較深，保存完整.可采煤層為81、84、9、15號煤層.

圖1 (a) 研究區區域地質背景； (b) 寺家莊井田位置； (c) 地震臺站分布，其中藍色三角形表示使用的96個臺站，紅色三角為圖2中頻譜分析臺站.AA′和BB′是東西方向的剖面，CC′和DD′是南北方向的剖面Fig.1 (a) Regional geological background of the study area; (b) The location of the Sijiazhuang Coal Mine; (c) The distribution of seismic stations. The blue triangles represent the 96 stations of the seismic array and the red triangles denote the stations used for the spectrum analysis in Fig.2. AA′ and BB′ are east-west sections, and CC′ and DD′ are north-south sections

陽泉煤業主產礦區是瓦斯災害嚴重礦區之一，瓦斯大、易自然、難抽采、瓦斯突出問題較為嚴重(劉寶軍等, 2017).區域內大中型斷裂構造較少，礦區內高瓦斯區段面積較大，富存高含量、高壓力瓦斯.瓦斯災害突出顯現，對礦井的安全生產構成了嚴重的威脅.隨著工作面的回采，地質條件日益復雜，煤層瓦斯含量和壓力大幅上升，迫切需要利用地球物理方法手段，對現有瓦斯富藏條件進行探測，對瓦斯進行合理抽放或利用.

2 背景噪聲數據分析

2019年3月16日至4月17日，我們在陽泉煤礦寺家莊井田布設了96個短周期地震儀，頻率范圍為0.2～200 Hz.臺站間隔約為0.5 km，對整個研究區進行了一個月的連續背景噪聲記錄，采樣率為100 Hz.背景噪聲的數據處理流程參考Bensen等(2007)的背景噪聲數據提取面波頻散曲線的方法，包括原始數據的分析與預處理，計算噪聲互相關函數和提取面波的群速度與相速度頻散曲線.

2.1 連續數據預處理

首先對原始數據進行分析與預處理，將每個臺站連續波形數據分割成以天為單位的文件；再對各個臺站每天的數據進行頻譜分析，如圖2所示.通過頻譜分析，我們發現連續采集的數據在某些固定頻率能量過強，例如5 Hz、15 Hz、25 Hz.通過對比各個臺站數據不同時間的頻譜圖，發現這些5 Hz、15 Hz、25 Hz的單頻噪聲只出現在某些臺站的部分時間段，說明不是因為儀器本身問題造成的.在數據采集期間，位于工區西南部有部分掘進巷道在施工，推斷該單頻信號可能來源于地下施工機械的震動.為了防止單一頻譜對背景噪聲信號的干擾，在做互相關之前，對這些頻率做陷波處理.完成頻譜分析后，進而對數據做譜白化處理，并對數據做時間域去均值、去趨勢等預處理.

圖2 所選擇的四個臺站(圖1c中紅色三角形)的頻譜.臺站分別為YQ001、YQ004、YQ053、YQ079Fig.2 The spectrum of selected stations (red triangles in Fig.1c) of YQ001, YQ004, YQ053, and YQ079

2.2 互相關函數計算

原始時間域數據預處理后，我們對每個臺站對數據的Z分量數據做互相關運算(Roux et al., 2005).在利用互相關函數進行疊加時，我們分別使用了線性疊加和相位加權疊加方法(Stockwell et al.,1996; Schimmel and Gallart, 2007; Schimmel et al., 2011)對互相關函數進行疊加.圖3是兩種方法疊加后得到的YQ001號臺站和其他臺站之間的互相關函數(CF).從圖3可以看出，采用基于S變換的相位加權疊加方法對干擾信號有更明顯的壓制效果，其互相關函數具有更好的信噪比.這是因為在密集臺陣的小區域噪聲研究中，短周期的噪聲信號較復雜，觀測時間相對較短，致使目標信號常與其他高頻信號混合在一起.使用相位加權疊加可以通過減弱非相干性噪聲信號的方式達到增強相干信號的目的.該方法能夠獲得更高信噪比的互相關函數，同時可以減弱觀測時長不足的影響，相對短的時間數據疊加就可以達到線性疊加的效果(李選濤, 2019).

2.3 頻散曲線提取

對于疊加的互相關函數，我們使用基于多重濾波的圖像分析法(姚華建等, 2004; Yao et al., 2006)提取臺站對的群速度與相速度頻散曲線.同時，為了滿足面波傳播遠場近似，拾取準則為臺間距(L)大于1.5倍的波長(λ)(Yao et al., 2011).首先對中心周期為0.2～2 s、間隔為0.05 s、通帶寬度為0.025 s的互相關函數進行帶通濾波，然后構建面波群速度的速度-周期(v-T)圖像.圖4為一個臺站對群速度與相速度頻散曲線圖.利用速度-周期的圖像提取相速度時，為避免拾取相速度受到2π相位影響，利用同一臺站對群速度與相速度頻散曲線通常具有相似趨勢的性質 (Luo et al., 2011)，將該臺站對對應的群速度繪制在相速度圖上(圖4b中粉色曲線)，并以此為參照拾取相速度頻散曲線.最終獲得基階瑞利面波在0.2～1.4 s的群速度和相速度頻散曲線(圖5)，其中相速度頻散曲線2091條、群速度頻散曲線2360條.從頻散曲線可以明顯看出，群速度與相速度主要集中在約1.0～1.5 km·s-1.

圖4 瑞利面波群速度和相速度頻散曲線圖紅色線代表臺間距=1.5倍波長，紅點代表最后拾取的頻散曲線點.(a) 群速度頻散曲線分析； (b) 相速度頻散曲線分析，粉色線為相速度頻散曲線.Fig.4 Rayleigh wave group and phase velocity dispersion curvesThe red line represents the two stations spacing =1.5 times the wavelength, and the red dots represent the picked dispersion curves. (a) Group velocity dispersion curve; (b) Phase velocity dispersion curve, and pink line is the phase velocity dispersion curve.

圖5 周期0.2～1.4 s間的(a)群速度和(b)相速度的頻散曲線Fig.5 Dispersion curve of (a) group velocity and (b) phase velocity between periods of 0.2～1.4 s

3 三維橫波速度結構反演

本研究使用基于射線追蹤的面波頻散直接反演方法(Fang et al., 2015)確定臺陣下方的三維速度結構.相比傳統的兩步法面波反演，直接反演方法可以利用不同周期下的面波走時與頻散確定三維速度結構，同時擬合面波走時數據和頻散數據.面波直接反演方法使用了快速行進算法(Rawlinson and Sambridge, 2004)計算每個周期臺站間的面波走時和射線路徑進行層析反演，并同時進行頻散反演.在反演中考慮了淺層速度結構復雜時的彎曲射線傳播路徑(Yin et al., 2016)，可以更可靠的獲取精細的三維速度結構，具體反演流程如下：

通過線性化的反演方法，沿路徑i不同頻率的面波傳播時間擾動可以表示為：

(1)

(2)

式(2)中，αk(zj)，βk(zj)和ρk(zj)分別為深度上第j個網格的縱波速度、橫波速度和密度.由于面波頻散對橫波速度最為敏感，我們通過經驗公式，將縱波速度α和密度ρ的擾動通過橫波速度β的擾動來表示.由此，將公式(2)代入公式(1)可以得到：

(3)

式(3)中，Rα(zj)與Rρ(zj)是基于經驗公式的比例因子(Fang et al., 2015).公式(3)寫成矩陣的形式為：

d=Gm,

(4)

式(4)中的d表示的是所有路徑的面波走時殘差向量，G表示數據敏感度矩陣，m為模型橫波速度擾動向量.通過求解式(4)可以得到模型的更新量，然后在新的模型下重新進行正演計算射線路徑與敏感核矩陣，反復迭代直到反演收斂.為了使反演具有更好的穩定性，在反演中加入了阻尼正則化和一階平滑正則化(Aster et al., 2018).

3.1 三維反演初始模型確定

為了獲得更好的三維橫波速度反演的初始速度模型，我們首先使用整個區域的平均群速度與相速度的頻散曲線(圖6a、6b)進行橫波速度反演得到一維速度模型，并將該一維模型拓展成三維模型作為面波一步法反演的初始速度模型.一維頻散采用CPS程序包(Herrmann, 2013)完成線性最小二乘迭代反演.

在對平均相速度和平均群速度進行反演時，初始一維速度模型采用類蒙特卡羅方法隨機生成.首先在0.8～2.5 km·s-1范圍內隨機生成3000個最大深度為3 km的隨機速度模型，然后對所有的速度模型進行一維反演，并且設置殘差小于0.02為接受閾值.由此我們獲得了1600個一維橫波速度模型(圖6c)，最后將所有的速度模型取平均作為最后的一維橫波速度模型，如圖7中的紅線所示.為了驗證獲得的平均一維速度模型的合理性(Gu et al., 2019)，基于此模型我們正演了頻散曲線.與平均頻散曲線對比(圖6d)，可以看出基于平均一維模型正演得到的頻散曲線可以較好的擬合觀測數據的平均頻散曲線，說明了使用該一維模型作為三維反演初始模型的合理性.

圖6 (a) 平均群速度頻散曲線; (b) 平均相速度頻散曲線，誤差棒表示標準偏差; (c) 黑線為隨機生成的一系列模型作為初始模型對應的反演結果，紅線為平均速度模型; (d) 基于平均速度模型正演得到的群速度和相速度頻散曲線(虛線)與平均頻散曲線(實線)對比.藍色代表相速度，黑色代表群速度, 實線為觀測值，虛線為理論值Fig.6 (a) Average group velocity dispersion curve; (b) Average phase velocity dispersion curve, error bars represent standard deviations; (c) The black lines are the inverted results from a series of randomly generated initial models, the red line is the average velocity model; (d) The comparison between the average group velocity and phase velocity dispersion curves (solid line) and the predicted dispersion curves (dashed line) derived from the average model. Blue lines represent phase velocity, and black lines represent group velocity, the solid line is the observed value, the dashed line is the theoretical value

另外，為獲得研究區域面波頻散數據在深度方向上對橫波速度的約束能力，圖7為基于圖6c獲得的該區域一維速度模型計算得到的基階瑞利面波群速度與相速度對橫波速度的深度敏感核.從圖7中可以看出，在選取的面波頻帶內(0.2～1.4 s)，提取的頻散曲線可以對800 m以上的地層速度結構具有較好的約束.

圖7 不同周期(0.2 s，0.4 s，0.7 s，0.9 s，1.2 s，1.4 s)的基階瑞利面波群速度與相速度對橫波速度在不同深度上的敏感核(a) 相速度敏感核； (b) 群速度敏感核.Fig.7 The depth-varying sensitivities of fundamental-mode Rayleigh wave group velocity and phase velocity at different periods (0.2 s, 0.4 s, 0.7 s, 0.9 s, 1.2 s, 1.4 s) to shear wave velocity(a) Phase velocity sensitivity kernels; (b) Group velocity sensitivity kernels.

3.2 三維橫波速度結構反演及結果

研究區域內臺站間面波射線路徑的覆蓋密度很大程度決定了反演結果的可靠性與分辨率.圖8a和圖8b分別給出了研究區域不同周期(0.2 s，0.6 s，1 s，1.2 s，1.4 s)的群速度與相速度的射線覆蓋情況.從圖中可以看到，整體射線的覆蓋密度是中間密，四周相對稀疏，且隨著周期增加，射線數量減少，射線分布密度變小.但總體來看，周期0.2～1.0 s范圍內，由于臺站的均勻分布，各周期群速度與相速度對于研究區域都有良好的覆蓋，能滿足走時層析成像要求.本研究區最大可靠成像深度位于1.0 s周期瑞利面波的敏感深度處.

圖8 不同周期(0.2 s, 0.6 s, 1.0 s, 1.2 s, 1.4 s)下射線路徑分布圖第一行為群速度射線路徑分布;第二行為相速度射線路徑分布.Fig.8 Ray path distributions at different periods (0.2 s, 0.6 s, 1.0 s, 1.2 s, 1.4 s)First row, group velocity ray path distribution; Second row, phase velocity ray path distributions.

此外，為了測試當前數據分布(臺站間射線分布)和反演網格下的模型分辨率，我們進行了棋盤分辨率測試(圖9a)，首先將研究區域在水平面上參數化為14×18個網格，南北方向與東西方向的網格間距均為0.005°(～500 m).在深度方向上的網格點數為20個.通過前面深度敏感核的分析，設置模型的深度范圍為0～2 km.合成測試的棋盤模型以圖6c所示一維平均橫波速度模型為基礎，設置異常大小為水平和垂直方向分別為2×3×4個網格.我們使用該棋盤模型計算與實際數據分布一致的臺站間不同周期的瑞利波走時，在合成數據中添加2%的隨機噪聲，并使用與實際數據相同的反演策略進行反演.圖9b顯示四個不同深度的棋盤模型恢復的水平速度切片.結果表明，因為臺站分布及射線數據的覆蓋程度較好，反演區域不同深度的異常均能得到較好的恢復，其中300～500 m深度的恢復程度最好(臺間距～500 m提取的頻散最高頻為5 Hz，面波分辨率隨深度減小).

在實際觀測數據反演中，我們將前面獲得的一維平均速度模型擴充成三維初始速度模型，利用群速度和相速度頻散曲線聯合反演三維橫波速度結構.反演結束后，大部分射線路徑的走時殘差都接近于零(圖10a).通過7次迭代走時殘差的均方根由反演前的1.64 s下降到0.21 s(圖10b)，所有殘差的均值為0.013 s，表明反演得到的三維模型可以很好地擬合觀測數據.

圖10 (a) 反演前后的走時殘差分布圖和(b)走時殘差隨迭代次數變化圖Fig.10 (a) Comparison of traveltime residuals before and after inversion; (b) The variation of traveltime residuals with iterations

圖11和圖12分別為三維橫波速度模型沿不同測線(AA′、BB′、CC′、DD′)的垂直速度剖面圖和在不同深度(300 m、400 m、500 m、600 m)的水平速度切片圖，其中剖面位置如圖1c所示.從圖11剖面圖中可以看出，研究區域淺部的橫波速度相對較低，約為1.0 km·s-1.在400～800 m深度范圍內速度變化整體上呈水平層狀分布.研究區15號煤層埋深在400～500 m深，沿煤層的地震橫波速度分布在1.0～

圖11 沿圖1c中AA′、BB′、CC′、DD′的垂直剖面橫波速度圖Fig.11 The results of shear wave velocity along the vertical sections of AA′, BB′, CC′ and DD′ in Fig.1c

圖12 三維橫波速度結構水平切面圖.(a)、(b)、(c)和(d)分別為300 m，400 m，500 m和600 m深度的橫波速度結構.黑色三角形表示臺站位置.Fig.12 Map view of the three-dimensional shear wave velocity model at different depths of (a) 300 m, (b) 400 m, (c) 500 m and (d) 600 mThe black triangles indicate the locations of seismic stations.

1.5 km·s-1左右，整體背景速度在2.0 km·s-1.500 m以深為奧陶系灰巖，整體呈高速特征.速度在垂向上從淺至深符合地層的巖性特征，這也進一步說明密集臺陣的背景噪聲在淺地表礦產尺度可以獲得較為可靠的速度模型.

從圖12速度水平切面可以看出，低速異常呈北西方向展布，但地表三維地震反射勘探顯示，研究區煤層相對比較完整且起伏較小，斷層不發育，地層結構相對簡單.當煤層橫向連續、地層結構相對簡單時，地震波速度應在較小范圍內變化.從速度平面圖可以看出，低速異常有一定連續性與空間展布范圍.

4 煤層瓦斯含量的估計

陳信平等(2013)研究發現煤層的瓦斯含量與其密度、波速之間存在負相關關系，即煤層瓦斯含量高，對應煤系地層密度小、地震波速低；煤層瓦斯含量低，對應煤系地層密度大，地震波速高.并認為煤層氣儲層的含氣量與其彈性參數(例如速度，密度)之間的負相關關系可能是煤層這類儲層內在的固有的規律性的關系.同時也有大量的巖石物理實驗的結果支持該觀點(申振華，2011；陳信平等，2013；劉盛東等，2015).煤系地層的地震波速度受到不同因素影響，比如溫度、流體、壓力以及地層完整性等影響.依據三維地震結果及巷道實際揭露，研究區煤層橫向連續性較好、煤層厚度變化及起伏均較小，因此，影響煤系地層速度的主要因素為瓦斯氣體含量及地層裂隙.地層裂隙同時又成為瓦斯富集及運移的通道，在煤系地層地質結構相對簡單的區域，低速異常可能即為瓦斯富集區對應的地球物理特征.因此，我們在獲得順煤層速度分布的基礎上，結合巖石物理實驗建立的煤層速度與瓦斯含量的關系，進而預測研究區瓦斯含量的分布具有可行性.

4.1 速度與瓦斯的回歸關系

陽泉寺家莊礦井的含煤地層為石炭系上統太原組(C3t)和二疊系下統山西組(P1x)，含煤地層總厚度約160 m，分別為8號、9號、11號、12號、13號、14號、15號煤.其中15號煤層在本區域內穩定沉積，煤層結構簡單，在全區內均有分布，厚度穩定，屬于全區穩定可采煤.這也為根據地震波速度預測瓦斯富集區提供了地質基礎.

實測數據表明，以甲烷(瓦斯)為代表的烴類氣體的密度為0.7168 mg·cm-3，聲波時差為2260 μs·m-1；而煙煤的密度為1.25～1.35 g·cm-3，聲波時差為400～560 μs·m-1.通過陽泉煤礦區域的超聲波巖石物理實驗 (Wang et al., 2019)，得出煤樣吸附能力(Q)與氣壓值的關系如圖13a所示.隨著氣壓值的增大，煤樣的瓦斯吸附能力呈現上升趨勢.超聲波煤樣彈性測試的結果如圖13b所示，隨著氣壓的升高，煤樣的超聲波P波速度呈現下降趨勢，這為根據地震波速度預測瓦斯含量提供定量分析的基礎.

圖13 煤樣氣體吸附能力及地震波速隨壓力變化關系.數據來源于Wang等(2019)(a) 煤樣吸附能力(Q)與氣壓值(P)關系; (b) 煤樣地震波(VP)速度隨壓力(P)變化關系.Fig.13 The variations of the gas absorption capacity and seismic wave velocity of coal samples with pressures. Data from Wang et al.(2019)(a) The relationship between coal sample absorption capacity (Q) with the pressure (P); (b) The relationship between seismic velocity and pressure of the coal samples.

圖14為通過巖石物理實驗得到的實測瓦斯含量與煤層縱波速度關系圖(申振華, 2011)，紅色散點為不同瓦斯含量對應的地震縱波速度，黑色實線為通過散點擬合得到的回歸表達式.可以看出瓦斯含量與地震縱波速度具有反比例對應關系，即隨著瓦斯含量增大，地震縱波速度降低.通過回歸計算，以冪指數函數擬合得到瓦斯含量與速度對應關系為y=1+703.3e-0.0018x(y為瓦斯含量(m3/t),x為地震縱波速度(m·s-1)).這也進一步說明，在瓦斯含量與地震波速度具有較好的回歸關系的基礎上，使用地震波速度來預測寺家莊礦區的15號煤層的瓦斯含量是可行的.

圖14 瓦斯含量與地震縱波速度的關系圖. 數據來源于申振華(2011)Fig.14 The relationship between methane content and seismic P wave velocity. Data from Shen (2011)

4.2 瓦斯含量預測

圖15b與圖15c分別為在巷道位置通過背景噪聲成像結果與巖石物理實驗預測的瓦斯含量分布與實際測量瓦斯含量分布對比圖.圖15b為預測的該巷道位置的瓦斯含量分布圖，圖15c為在巷道內實際測量的瓦斯含量分布圖.從對比圖中可以看出，寺家莊這一巷道的瓦斯含量預測值與實際測量值具有相同的趨勢，但是在數值上整體偏低.主要的原因是因為數據中包含噪聲，因此背景噪聲成像需要使用平滑約束和阻尼等正則化方法使模型穩定，進而影響速度異常的恢復.但相比傳統的瓦斯含量估算方法，通過背景噪聲速度成像預測瓦斯含量可以一次獲得整個研究區的瓦斯分布特征，為后續采區設計工作面布設提供參考依據.同時也進一步說明：通過背景噪聲成像得到煤層速度，并結合巖石物理實驗預測瓦斯含量具有合理性，也為煤礦瓦斯含量預測研究提供了一種全新的技術方式.

圖15 瓦斯含量預測與實際巷道測量對比圖(a) 沿15號煤層瓦斯含量分布平面圖； (b) 巷道內瓦斯預測含量； (c) 巷道內瓦斯實測含量.Fig.15 Comparison of methane content between prediction and actual roadway measurement(a) Distribution of methane concentration along No.15 coal seam; (b) Predicted methane concentrations in the roadway and (c) Measured methane concentrations in the roadway.

5 結論

本文利用在原陽泉煤業(集團)有限責任公司寺家莊煤礦布設的96個地震臺站記錄的一個月的連續波形數據，基于背景噪聲成像方法獲得了寺家莊煤礦的淺部橫波速度結構.根據巖石物理實驗建立了地震波速度和煤層瓦斯含量之間的關系.煤層內的瓦斯含量高，會導致煤層的骨架強度降低，從而使地震波速下降.15號煤層低速異常呈北西走向，推測為瓦斯含量較高區域.通過背景噪聲獲得的速度結構以及巖石物理實驗獲得的速度-瓦斯含量經驗關系對整個研究區的15號煤層的瓦斯含量分布進行了估計，獲得了與實測巷道瓦斯含量具有相同趨勢的預測結果，為煤礦后續的開采生產提供了技術支持.本次研究表明通過背景噪聲成像得到的速度結構，對于煤系地層構造相對簡單的高瓦斯礦井，可以獲得煤層的瓦斯含量分布，這為研究煤礦瓦斯分布提供了一種全新的技術形式.