鄂爾多斯盆地東緣MG 區塊煤層裂縫發育多尺度預測

2022-04-12 07:08:30朱光輝李忠城師素珍林利明劉彥成

煤田地質與勘探 2022年3期

朱光輝，李忠城，師素珍，史浩，林利明，劉彥成，張鑫

(1.中聯煤層氣有限責任公司，北京 100016；2.中國礦業大學(北京) 煤炭資源與安全開采國家重點實驗室，北京 100083)

煤層本身割理的存在導致了煤層中大量裂縫的發育，煤層裂縫是評價煤層與頂底板穩定性、儲層參數及控制鉆井規劃的主要因素之一[1-5]。裂縫可以提高地層的孔隙度和滲透率，也是流體運移的重要通道。因此，裂縫發育帶識別以及裂縫特征參數表征對非常規油氣的勘探及開發具有重要的指導作用[6]，是非常規油氣藏開發方案研究的重點內容，同樣也是煤炭資源合理有效開發的重要地質保障，對預測并防治影響煤礦安全生產的重大災害事故，如煤與瓦斯突出及礦井頂底板突水等，均具有十分重要的意義[7-11]。

煤層裂縫尺度可以根據其長度相對于地震波長的大小關系分為：大尺度裂縫(大于1/4 地震波長)、中尺度裂縫(1/4～1/100 地震波長)以及小尺度裂縫(小于1/100 地震波長)[12-13]。目前測井及地震方法是預測裂縫分布和表征裂縫發育特征的重要方法，兩者各有優缺點。測井資料具有縱向上分辨率高的特點，可以根據不同類型的測井曲線響應特征對裂縫進行有效識別，是實現小尺度裂縫預測的主要方法。三維地震勘探數據擁有探測深度大，覆蓋面積廣及數據信息豐富的優勢，雖然很難精細描述裂縫的發育特征，但可以對具有一定發育規模的裂縫帶進行表征，是實現中等尺度和大尺度裂縫預測的主要手段。

目前應用地震資料預測識別裂縫的技術方法主要有3 大類：疊后三維地震屬性分析、縱波方位各向異性裂縫檢測[14-28]、多分量轉換波地震勘探技術。多分量轉換波地震資料雖然相較于純橫波地震資料而言在探測深度、采集方式及應用方法具有明顯的優勢，應用前景廣闊，但在經濟成本和資料品質等方面仍存在不足[29-35]。因此，基于縱波勘探的疊后地震屬性技術及疊前縱波方位各向異性方法仍然是目前裂縫預測的主流手段[36-47]。

鑒于此，綜合利用測井資料、疊后地震數據及疊前方位數據從不同尺度對MG 區塊裂縫展布形態進行預測，為研究區煤層氣勘探區塊優選及煤礦井下安全開采提供地質依據。

1 研究區地質概況

工區位于鄂爾多斯盆地東北緣，構造單元上屬晉西撓褶帶與陜北斜坡帶交匯的北部單斜帶，區塊東側發育的兩條控凹斷層將區塊劃分為東部隆起帶、中部緩坡帶和西部深陷帶。

受海西構造運動影響，鄂爾多斯盆地北緣在晚古生代早期逐漸抬升，研究區沉積環境由陸表海向近海平原過渡，最終演化為河流-三角洲。晚石炭世本溪組，區內發育較大范圍的潮坪、沼澤沉積，障壁壩、潮道和砂坪等，砂體及泥炭沼澤相發育；早二疊世太原組沉積時期，盆地范圍發生自南向北的海侵，區內發育多套受潮汐作用影響的煤層及三角洲砂體；至早二疊世山西組沉積時期，區內演化為陸相近海三角洲沉積環境，三角洲平原分流河道砂體發育，河道間發育間灣沼澤相薄煤層。得天獨厚的沉積環境，造就了研究區塊內煤層層數多，分布較穩定。主要發育地層為本溪組、太原組以及山西組，自上而下共發育煤層13 層，1～5 層分布于山西組，6、7 層位于太原組，8～13 層分布于本溪組。其中，山西組4+5 號和本溪組8+9 號煤是區內的主力煤層，在地震剖面上反射特征均為復合波形式存在。

2 研究區煤層含裂縫條件下測井響應特征

當煤層含裂縫時，其測井曲線響應特征與裂縫的密度、傾向及傾角有關，圖1 為研究區內M1 井的8+9 號煤層常規測井響應曲線。圖2 為某井電成像測井，圖中顯示煤層位置有多處暗色條紋，表明有裂縫存在。裂縫在常規測井曲線上通常響應微弱，但是仍然具備可區分的測井響應基礎。因而在沒有成像測井資料的情況下，利用常規測井有效地識別裂縫也是非常重要的。

2.1 電阻率曲線

當煤層中裂縫增加時，電阻率通常是減小的。原因是裂縫被泥漿侵入時，導致電阻率下降，裂縫越發育泥漿侵入越深，其電阻率下降越明顯。圖1 中顯示M1 井8+9 號煤層還可以細分為：原生煤、原生-碎裂煤、碎裂煤、碎粒煤。裂縫的存在往往和煤體結構也有一定的關聯，M1 井8+9 號煤層1 744～1 747 m 段主要發育碎粒煤，在相應成像測井(圖2)中，也顯示裂縫非常發育。該井8+9 號煤層由原生煤向碎裂、碎粒煤過渡時，電阻率值逐漸減小。

圖2 M1 井8+9 號煤層電成像測井處理成果Fig.2 Processing results of electrical imaging logging in No.8 and No.9 coal seams of M1 well

2.2 密度曲線

通常來說，煤層含裂縫越多體積密度越小，若裂隙充填了地下水，則體積密度值也會降低；若是充填了礦物質成分，反而會導致體積密度值增大。M1 井8+9號煤層上部為碎粒煤，中部為原生結構煤，但是兩處的密度值變化不大，上部碎裂煤處有微弱的降低趨勢(圖1)。

2.3 聲波時差曲線

聲波時差一般反映垂直裂縫，但對水平裂縫、低角度裂縫與異常發育的高角度裂縫有較明顯的響應，表現為聲波時差異常增大，甚至為周波跳躍。M1 井目標煤層底部主要發育碎裂煤，此時聲波時差相對上部增大(圖1)。

圖1 M1 井8+9 號煤層常規測井曲線Fig.1 Conventional logging curves of No.8 and No.9 coal seams of M1 well

2.4 自然伽馬曲線

煤的自然伽馬值通常較低，由于構造作用的影響，煤層裂縫發育程度越高，填充的灰分、礦物質或者地下水含量越多，反而富含較多的放射性物質，導致自然伽馬值增大。工區內8+9 號煤由原生變為碎裂、碎粒煤時，自然伽馬值是增大的，如圖1 中1 752～1 760 m所示。

2.5 中子孔隙度曲線

中子孔隙度主要反映地層的含氫量，且割理結構和裂隙中含有固態烴類基質和水，因此，煤的含氫指數很高。若煤層裂縫越發育，則容易被水填充，中子孔隙度值則會有一定程度的增加。M1 井目標煤層底部發育的碎裂煤，其中子孔隙度值相對上部煤層值較大(圖1)。

2.6 電成像測井

電成像測井通過將地下巖石的電阻率變化轉化成偽色度，直觀地反映地層巖性和幾何界面變化引起的電阻率差異，獲得高分辨率的連續井周圖像，相鄰巖石和界面電阻率差異越大，圖像響應越明顯。圖2 是M1 井的8+9 號煤層電成像測井處理成果，高電阻率對應淺色圖像，充滿鉆井液的裂縫表現為低電阻率，對應深色圖像。與常規測井相比，電成像測井擁有更高的垂向分辨率和可視性，可以直觀地進行裂縫識別。

2.7 陣列聲波測井

地震橫波在穿過直立裂縫引起的各向異性介質時，會沿每條射線路徑分裂成2 種具有不同傳播速度的偏振波(快橫波和慢橫波)，快橫波偏振方向沿裂縫方向，慢橫波偏振方向垂直于裂縫，裂縫引起各向異性越強，兩列波的傳播速度差異越大，因此，可以通過分析橫波分裂現象進行裂縫發育評價[48]。對陣列聲波測井觀測到的聲波信號進行處理分析，可以從全波列中提取橫波進行時差計算，獲得快、慢橫波速度及方位，從而預測裂縫發育強度和方位。圖3 為研究區M2 井煤層多極陣列聲波各向異性處理成果，其中橫波時差較高部分為煤層段，平均各向異性較強，快橫波方位圖以及玫瑰圖指示該段煤層的裂縫發育方向主要為北北東向，在近東西向也有一定發育。

圖3 M2 井8+9 號煤層多極陣列聲波各向異性處理成果Fig.3 Anisotropic processing results of multipole array acoustic logging in No.8 and No.9 coal seams of M2 well

3 研究區煤層大尺度裂縫疊后地震屬性預測

疊后地震屬性分析技術是在疊后地震數據上進行的，由于受到地震數據體道間距的影響，分辨率相對較低，該方法在斷層和大裂縫預測中起著重要作用。常用屬性有相干、曲率、傾角方位角、方差、譜分解相位調諧體、螞蟻追蹤、邊緣檢測等。相干技術以其突出地震同相軸不連續性的特點可有效精確地識別裂縫；曲率體屬性與相干屬性相似，是預測小斷層和裂縫的有力手段。在本研究區，采用了對裂縫更為敏感的本征相干、相干增強和智能螞蟻屬性對裂縫展布進行描述，效果顯著。

3.1 本征相干識別裂縫

本征技術是一種定量化計算地震波形相似性的方法，通過在時空中定義“全局化的”孔徑并利用傾角和方位角的計算來實現。本征相干成果更能突出數據體的不相干性，為地震波形空間變化提供準確的成圖顯示，并可方便直觀地與地質特征和沉積環境聯系在一起，對識別裂縫具有較好的效果。主要計算參數有時窗長度和水平半徑。時窗長度為計算地層傾角和特征值分析的參數，為了刻畫8+9 號煤層裂縫的發育情況，本次采用的時窗長度為10 ms；水平半徑為每次參與特征值分析的道的數量，值越大參與計算的道越多，計算量越大，得到的結果信噪比就越高，但損失的細節也越多，本次計算選取1 道作為水平半徑值。圖4 為研究區8+9 號煤層本征相干切片，圖中顯示主要發育北北東和北西2 組斷層，而對裂縫的刻畫雖有一定反映，但是還不夠精細。

圖4 8+9 號煤層本征相干切片Fig.4 Intrinsic coherence slice of No.8 and No.9 coal seams

3.2 相干增強識別裂縫

相干增強是在相干體的基礎上，使用基于方向一致性的蟻群追蹤算法，在最大曲率的增強約束下，對相干體進行后處理，以達到增強相干的目標。該算法優勢有：蟻群追蹤，全局優化；曲率增強，斷層確定性更強；曲率約束蟻群追蹤，效率高。該屬性最重要的一個參數就是最小裂縫長度，即算法追蹤能夠識別的最小長度，依據工區情況，選取四分之一波長即30 m 作為裂縫最小長度值。圖5 為8+9 號煤層相干增強切片，相對本征相干切片，其對于細微裂縫的刻畫更為突出。

圖5 8+9 號煤層相干增強切片Fig.5 Coherence enhancement slice of No.8 and No.9 coal seams

3.3 智能螞蟻識別裂縫

螞蟻算法是通過螞蟻揮發的“信息素”的機制來傳遞信息，實現群體內部的間接通信，依賴自身催化與正向反饋的機制可以最終發現覓食的最短路徑。但是在常規的螞蟻算法中，多解性比較強，智能螞蟻算法是在常規螞蟻算法的基礎上，將構造發育的信息和地質背景作為約束的一種新型螞蟻算法，使多解性大大降低，并且符合研究區地質規律。核心參數仍然是算法追蹤識別的裂縫最小長度，選取30 m 作為最終參數。圖6 為區內8+9 號煤層的智能螞蟻切片，從切片上可以看出，大致發育北西和北北東2 組裂縫，這與相關增強切片的成果基本吻合，但是更加突出對裂縫形態的刻畫。

圖6 8+9 號煤層智能螞蟻切片Fig.6 Intelligent ant slice of No.8 and No.9 coal seams

4 研究區煤層裂縫疊前預測

利用方位疊前地震資料所包含的豐富信息，在地質與測井資料所提供的先驗信息下，可根據疊前地震反演方法得到描述儲層信息的彈性參數及各向異性參數，基于參數與裂縫之間的數理關系，可達到識別儲層裂縫的目的，疊前方位AVO 反演主要在疊前道集數據進行，其對裂縫預測的尺度介于測井數據和疊后地震數據之間。

4.1 方位AVO 反演原理

通常裂縫性儲層發育的裂縫大多都是垂直定向排列的，具有橫向各向同性介質(Horizontal Transverse Isotropy，HTI)的特點。A.Rüger[49-50]基于弱各向異性的概念，并結合Thomsen 各向異性系數，推導出HTI各向異性介質中反射系數隨方位角和入射角變化的公式為：

式中：i為入射角，(°)；φ為方位角，(°)；α為縱波速度，m/s；β為縱波速度，m/s；Z為垂直縱波阻抗，(g/cm3)·(m/s)；G為垂直剪切模量,(g/cm3)·(m/s)2；ε(V)，Δδ(V)，γ為Thomsen 各向異性參數。Δ[·]為上、下界面物理量之差；為上、下界面物理量的均值。

當入射角較小時，上式關于入射角的高階項(第三項)可以被忽略，上式可近似簡化為：

式中：φk為第k次的觀測方位角；φsym為裂縫介質對稱平面所在的方位角；I為反射系數；Biso為各向同性梯度；Bani為各向異性梯度。

在進行寬方位地震采集時，可以得到多個φk，當i固定時，對Biso，Bani和φsym進行非線性方程組的求解，并根據無裂縫時的Biso和裂縫發育時的Biso+Bani來擬合方位各向異性橢圓，裂縫強度越大，擬合出的方位橢圓越扁，并且橢圓長軸方向指向φsym方向，由此可以通過橢圓長軸來指示裂縫發育方向，橢圓長短軸之比表征裂縫強度，從而實現對裂縫強度和方向的預測。

4.2 疊前方位道集處理

疊前方位道集質量的好壞直接影響方位AVO 反演的結果，因此地震資料優化處理是反演的關鍵步驟。首先對疊前時間偏移后帶有方位和偏移距的疊前數據進行預處理，例如濾波去噪、振幅補償以及剩余時差校正等針對性處理技術，以提高道集品質，再對優化后的道集進行方位分析，劃分出最能體現工區特點的方位道集，使反演準確性更高。

1)道集優化

研究區內由于地表及采集因素的影響，道集主要存在兩方面問題：一是信噪比低，隨機噪聲發育；二是存在剩余時差，導致道集在中、遠偏移距不平，同相軸出現上翹現象。

針對噪聲問題，首先采用F-X 域隨機噪聲衰減技術，去除隨機噪聲，再利用Radon 變換技術去除多次波干擾，針對剩余時差，選擇近道作為參考道，沿時間軸將參考道與實際道做互相關計算，對相關度最大位置的時移量進行二維曲線平滑，準確求取時移量，并應用于道集上，實現道集拉平。圖7 為道集優化前后對比，經優化處理后，疊前道集的信噪比得到顯著提高，同相軸更加清晰，較好地消除了道集不平的現象，目的層位置的反射同相軸更平。

圖7 優化前后道集(CDP 895)對比Fig.7 Comparison of gathers before and after optimization

2)方位道集劃分

在進行方位AVO 反演前，要先進行研究區觀測系統參數的全方位分析，篩選出最能體現工區特點的方位角數據。一般來說，劃分好的方位道集至少有3個方位，以便能進行正常擬合，為了保證每個方位角數據的信噪比，每個方位覆蓋次數應不少于20 次，并且反演輸入數據偏移距范圍內的數據方位要盡量完整。研究區疊前數據偏移距和方位角信息如圖8 所示，該疊前數據的最大覆蓋次數為256 次，紅色扇形陰影表示分布在各方位上的覆蓋次數，扇形越長表明在該方位上的覆蓋次數越大，可以看出，除了北東和南西方位覆蓋次數較大，其他各方位覆蓋次數分布比較均勻?；疑刃侮幱氨硎緮祿诓煌轿簧系钠凭啵凭喾秶鸀?26～3 376 m(藍色同心圓之間范圍)，優選本次裂縫預測的偏移距范圍為500～2 700 m(紅色同心圓之間范圍)，在該偏移距范圍內將方位角從0°到180°按每30°劃分，共劃分為6 個方位，每個方位對應一個中心角度，分別為15°、45°、75°、105°、135°、165°，劃分方位角后，各方位的覆蓋次數可以達到42 次，達到反演的要求。

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

4.3 疊前反演結果分析與驗證

圖9 為過某井各向異性強度剖面，紅色高值表示各向異性強，裂縫發育密度大。圖10 為8+9 號煤層各向異性強度沿層切片，除工區南北邊緣可能存在因數據質量較差引起的各向異性強度異常外，各向異性反演得到的裂縫發育區(各向異性較強區)，大多集中在工區東部大斷層以及其他各個斷裂附近，同一斷裂附近發育的裂縫方位角信息基本一致。裂縫發育方向指示了北北東向和北西向兩組主要方向以及部分近東西向裂縫(圖11)，此結論和圖3 的陣列聲波測井解釋成果以及疊后屬性切片有較好的一致性。將疊前與智能螞蟻切片進行對比(圖12)，可以看到工區中部智能螞蟻屬性與各向異性強度所表征的裂縫展布基本吻合。