基于裂縫預測與流體預測技術的煤層頂板富水性研究
——以葛泉礦2煤層為例

亞東菊,田錦瑞,殷全增,齊亮亮,張燈亮

(河北省煤田地質局物測地質隊,邢臺 054000)

0 引言

隨著煤礦開采的發展和構造復雜礦井的相繼投產,礦井頂板水害問題影響煤礦建設和安全高效生產的問題日益凸顯。如何有效防止頂板水害發生是各礦井亟需解決的問題。近年來,前人采用不同方法對頂板富水性進行研究和勘探開采實踐,建立了多種相對成熟的方法體系。

崔江偉等[1]采用瞬變電磁數據精細處理技術對煤層頂板富水區進行探測研究。張國恩等[2]利用音頻電穿透法準確查明了松散含水層下回采工作面內部復雜的導水異常構造。梁向陽[3]在瞬變電磁法和音頻電透視法的基礎上,再通過布置鉆孔掌握涌水量和水壓分布情況,綜合分析頂板富水性。武強等[4]運用基于GIS信息融合的富水指數法實現了對充水含水層的富水性評價。劉景等[5]利用層析分析法對大南湖頂板突水危險性進行了評價。孫潔[6]和劉基等[7]通過陸相古地理沉積演化對煤層頂板砂巖富水性進行了研究。近年地震預測技術在煤層頂底板含水性方面也發揮了作用。汪洋[8]通過地震多屬性與測井聯合反演獲取擬測井參數體進行賦水性分析。李雪梅和陸大華等[9-10]通過地震屬性預測巖性參數進行反演,從獲得的波阻抗體、視電阻率體和孔隙度體來預測煤層頂底板富水性。田偉等[11]利用AVO技術與偽泊松比屬性聯合預測灰巖富水性。陳占海等[12]利用地震資料不同巖體的頻譜差異對煤層頂底板砂巖富水性進行預測。韓璐[13]利用多屬性融合研究了頂板砂巖含水層富水性及突水危險性。郎玉泉等[14]通過Gassmann方程和AVO(Amplitude Variation with Offset)技術探討煤層頂板砂巖富水性的預測方法。目前地震預測技術對含水性的研究主要是利用地震屬性對巖性參數進行反演,以上研究成果均有助于頂板水害防治工作,方法體系日趨成熟,但利用已知地震資料預測煤層頂板富水性有待進一步深入研究。本次在已知構造特征和高物性巖層展布的基礎上,開展裂縫預測與流體預測,對富水區域進行圈定,對礦井后期水害防治提供參考。

目前,煤層裂縫預測主要利用露頭、巖心、測井資料、和地震資料等進行分析。利用地震資料是根據地震波在裂縫介質中傳播過程中方位各向異性特征變化來預測裂縫發育方位和發育強度的,如疊后地震屬性和OVT域疊前方位AVO反演等方法[15-19]。本文利用應力場模擬和局部構造非連續性進行裂縫預測,提高了計算效率和抗噪能力。與致密的單相地質體相比,當地質體中含流體如油、氣或水時,會引起地震波的散射和地震能量的衰減,通過衰減屬性來檢測儲層中流體發育特征。流體預測主要應用于油氣和煤層氣研究方面,在煤層含水性方面尚未應用。在研究過程中,地震資料信噪比良好是基礎,處理中做好中深層目標區有效反射的能量恢復是關鍵點。利用裂縫和流體預測相結合研究煤層頂底板含水性,前人尚未進行相關研究。本次嘗試采用這兩種方法用于研究煤層頂板富水性預測,在以往突水區域吻合度較高,取得了一定效果。

1 地質背景

本次以葛泉礦五六七采區和葛泉東井2煤為例進行研究,2煤層位于山西組中部,為葛泉井田主要可采煤層之一,平均煤厚2.67 m,厚度變化不大,其頂部發育以灰色-灰黑色中細砂巖、粉砂巖為主的砂巖層,屬高物性地層。葛泉礦歷經多次勘探,均將其確定為水文地質條件復雜井田,自1989年投產以來,巷道開拓和回采過程中發生過多次突水。其中包括奧陶系灰巖水、野青灰巖水和煤層頂、底板砂巖水突出。

1.1 構造特征

葛泉礦在區域構造上位于太行山斷褶帶東部邊緣上,隔太行山山前大斷裂與冀東南沉降帶毗鄰,燕山期的局部應力場為NW-SE擠壓。繼燕山運動之后,以太行山山前斷裂為界,以東拉伸下沉,以西拉伸上隆。葛泉礦所屬的邢臺礦區位于上隆區邊緣,受NW-SE方向拉伸應力。因此,研究區構造因受主要的北東和次要的北西兩種方向作用力控制,使之構造形態比較復雜。斷層和褶皺平面分布,既有北東向,又有北西向。

1.2 水文特征

葛泉礦位于百泉水文地質單元中部徑流區,地表水系有六條季節性河流。含水層可粗分為新生界含水體和基巖含水體。新生界含水體主要為第三、四含水層,與煤礦生產關系密切的是第四系含水層。第四系含水層共有底部礫石含水層、中部砂層含水層和上部礫石含水層三層。層與層之間均有良好的隔水層存在,基巖含水體則相對較為復雜。

區域內地下水的主要補給來源是大氣降水和局部地區溝谷河床滲漏。由于區域內裂隙巖溶含水層均為厚層含水層,且裂隙巖溶發育,各含水層通過導水構造發生水力聯系,使山區裂隙巖溶含水層與奧陶系裂隙巖溶含水層構成了統一的含水層。

1.3 地震地質概況

本區采集的地震資料質量較好,在地震解釋剖面上,新生界內及其底界面與下伏煤系地層間形成的一組反射波,全區能量較強,能連續追蹤(圖1)。在實際開采中發現,本區以灰巖、砂質泥巖為主的直接頂以中等穩定-穩定頂板為主,裂隙不很發育;在斷層破碎帶附近,頂板裂隙較發育,綜合分析,煤層頂底板平整,裂隙不很發育。

圖1 研究區地震解釋剖面Fig.1 Seismic interpretation profile of study area

2 裂縫預測

裂縫是致密、脆性巖石地層流體通道的決定性因素,是油、氣、水的運移和聚集通道,影響和控制著其動態變化,在以往的研究中,裂縫預測主要應用于油氣藏研究。對于研究的區域帶來說,構造發展是裂縫產生的直接原因,在構造發展過程中,構造變形運動在構造內部引起了一連串的應力重新分布,從而相應伴隨出現了各種不同的裂縫組系,因此,本次通過裂縫預測,從大尺度和中小尺度兩個方面進行。

2.1 應力場模擬—大尺度裂縫檢測

隨著地質演化,一個地區常常經受多次不同方式的地殼運動,導致同一地區內,呈現出受不同時期不同形式地應力場作用所形成的各種構造及其疊加或改造的復雜景觀。因此,只有最近一期地質構造,未經破壞或改造,才能確切地反映這個時期的地應力場。

本研究區在構造演化過程中,經歷多次不同方式的地殼運動,在不同時期的地應力場是不同的,所形成的各種構造及其疊加或改造的微構造也不盡相同。煤層、砂巖在構造運動作用下,會產生大量的構造縫,主要分布在地層頂面,反應大尺度裂縫特征。

其原理:通過應力場模擬進行裂縫預測,其理論基礎為構造力學。從構造力學出發,利用地層的幾何信息(構造面)、巖性信息(速度、密度),估算出地層的應力場,包括地層面的曲率張量,變形張量和應力場張量,從而得到主曲率、主應變和主應力(圖2)。

圖2 應力場模擬原理及思路Fig.2 Principle and thought of stress field simulation

通過把三維地震數據體變換為LSE數據體,解釋人員可以揭示在地震數據體中不易察覺的細微的地質特征,這種方法與其它不連續性檢測方法相比具有計算效率高,抗噪能力強等特點,是最新一代不連續性檢測算法。

選擇一個3D矩形數據窗口,當探測大尺度的不連續特征時,應采用較大的數據窗口;而當對小尺度特征或細微特征感興趣時,應采用較小的數據窗口。將這窗口內的數據分成四個子數據體,并計算相應的互相關矩陣。由此互相關矩陣定義其局部結構熵值。其局部結構熵值可表征儲層的相關性。

以2煤層為例,底面大尺度裂縫方向全局統計結果顯示(圖3),裂縫方向有兩組:東南-西北、西南-東北,網狀縫特點明顯。煤層脆、受構造易于碎裂,推測2煤層經過兩次大的構造運動,應變強度比較均勻,對于煤層保存不利。

圖3 2煤層底面大尺度裂縫方向全局統計Fig.3 Global statistics oflarge scale fracture direction of 2 coal seam bottom

圖4為2煤層大尺度裂縫模擬結果(最大主應力方向+最大主應變)表明裂縫發育及方向呈條塊分布明顯,該模擬結果與研究區所經歷構造運動一致。

圖4 2煤層底面大尺度裂縫預測結果(應變強度+應力方向)Fig.4 Prediction results of large scale cracks in 2 coal seam bottom(strain intensity+stress direction)

2.2 非連續性檢測-中小尺度裂縫預測

本次裂縫預測采用局部構造熵分析方法[20],指示地震數據中給定子體內的不連續程度,周艷輝等[21]將該方法用于地層橫向不連續性結構檢測。地震不連續性檢測技術一直是地震數據裂縫分布預測的有力工具,判別疏導體系的存在,為水分活躍流動的原因提供依據。

局部結構熵基本方法:設選擇一個分析數據體,沿Inline取2L1個數據點,沿Crossline取2L2個數據體,沿travel time取N樣本點。 不妨設這些數據均已是歸一化后的值。將這個數據體劃分成L1×L2×N的四個子數據體,每個子數據體的數據表示為{ai,i=1,2,3,4},構造其互相關矩陣:

(1)

這是一個對稱矩陣。

局部結構熵的定義,點P(x,y,t)處的局部結構熵:

(2)

這里x,y,t分別表示沿Inline,Crossline和travel time的方向的值。

顯然當四個子數據體完全相關時,即四個子數據體完全相同時,有tr(S)=‖S‖,并ε=0;一般地,有tr(S)≤2‖S‖,并ε≤1。而ε=1則表示子數據體完全不相關。

局部結構熵是一個歸一化的數據,其大小表示了該點處前后左右的地質特征變化關系。其值越小,表示其相關性越大;反之,相關性越小。

通過中小尺度裂縫(非連續性)檢測剖面(圖5和圖6),分析其剖面特征,可知五六七采區中小尺度裂縫發育程度橫向變化較大(圖5),葛泉東井比較穩定(圖6),利于煤層保存。

圖5 五六七采區中小尺度裂縫檢測剖面(非連續性)Fig.5 Small and medium scale fracture detection profile (discontinuous) inWuliuqi Mining Area

圖6 葛泉東井中小尺度裂縫檢測剖面(非連續性)Fig.6 Small and medium scale fracture detection profile (discontinuous) in Gequan East Well Mining Area

2煤頂板中小尺度裂縫(非連續性)檢測平面(圖7)。五六七采區在南部和北部中小尺度裂縫較發育,發育較均勻,葛泉東井地層裂縫不發育。

圖7 2煤頂板中小尺度裂縫發育檢測平面(暖色:非連續性檢測)Fig.7 Small and medium-sized crack development detection plane of 2 coal roof(warm color:discontinuous detection)

3 流體預測

當儲層中孔隙比較發育而且飽含流體時,地震波中高頻能量衰減要比低頻能量衰減要大。通過提取高頻端的衰減梯度屬性,可以間接地檢測儲層含流體發育特征。對研究區內鉆孔進行多屬性提取測試(圖8),通過分析可知,大部分井透水性強的顯示段,吸收衰減較強;透水性強的巖性主要為物性好、裂縫發育;但同時發現煤層段吸收衰減強。需要進行煤層過濾,消除煤層引起的高衰減。

圖8 鉆孔屬性優選(暖色:吸收衰減強,暗色:吸收衰減弱)Fig.8 Optimization of drilling properties(warm color:strong absorption attenuation,dark color:weak absorption attenuation)

在圖8中,自左向右屬性分別為總能量、最大能量、低頻屬性、全頻屬性、能量比、高頻衰減梯度、衰減頻率、部分能量。其中對最為敏感的為高頻衰減梯度,越紅,顏色越暖,吸收衰減越強;越綠,顏色越暗,吸收衰減越弱。因此,優選高頻衰減梯度屬性,預測地層含流體性。

計算原理:

與致密的單相地質體相比,當地質體中含流體如油、氣或水時,會引起地震波的散射和地震能量的衰減;斷層、裂縫等的存在也會引起地震波的散射,造成地震能量的衰減,因此,可以通過衰減屬性分析來進行預測。衰減屬性分析是通過計算反應地震波衰減快慢的屬性體來指示孔隙度的大小和分布范圍(圖9)。當孔隙比較發育而且飽含流體時,地震波中高頻能量衰減要比低頻能量衰減要大。通過提取高頻端的衰減梯度屬性,可以間接地檢測儲層含流體發育特征。圖10為基于高頻衰減梯度屬性的含水性預測連井剖面圖,其中暖色紅色代表含水性強的部分,藍色代表含水性弱的部分。

圖9 衰減梯度屬性用于流體檢測原理圖Fig.9 Schematic of the attenuation gradient property for fluid detection

圖10 煤層預測剖面(上)與流體預測剖面(下)(濾除煤層后)Fig.10 Coal seam prediction profile (top) and fluid prediction profile (bottom) (after filtering coal seam)

圖11為第四系底-2煤間地層流體分布預測厚度平面分布圖,暖色為流體發育,其中五六七采區中西部地區流體較發育,發育較均勻,葛泉東井流體不發育。

圖11 第四系底-2煤間地層流體分布預測厚度平面分布圖Fig.11 The plane distribution diagram of fluid distribution prediction thickness in Quaternary bottom-2 coal strata

4 富水性預測

利用多種地球物理信息,通過信息融合獲得地質目標的精確信息,可以避免單一屬性的局限性和不確定性,提高勘探成功率。對經過標準后的地球物理數據進行變換,在相同分辨率下進行信息融合,采用區域選擇法并結合加權方法,選擇代表各原始數據的明顯特征的系數,構成融合數據的金字塔數據結構,然后重構融合信息。

1)原始地球物理數據的小波多分辨分解。

2)計算數據體對應區域的匹配度。

3)計算權系數。

(3)

若

M(j)(x,y)>Mmin,則

(4)

若M(j)(x,y)≤Mmin,則

(5)

該權系數即為在各分辨率的分量中代表原始數據的明顯特征的系數。

4)信息融合。

5)融合數據的重構。

融合數據中綜合了多種地球物理數據的有用信息,是多種地球物理數據的有用信息的總代表。

本次優選流體(高頻衰減頻率)厚度、尺度裂縫(應變強大)、小尺度裂縫(非連續性)特征,研究富水情況。

從頂板富水性分布圖(圖12)可知,五六七采區頂板富水區主要集中在中西部地區,葛泉東井整體富水性差。

圖12 2煤層頂板富水性分布圖Fig.12 Water-rich distribution map of 2 coal seam roof

5 結論

1)通過應力場分析和非連續性技術預測裂縫發育,研究區主要發育東南-西北、西南-東北兩個方向裂縫,五六七采區裂縫較發育,發育較均勻,葛泉東井地層裂縫不發育。

2)通過融合信息重構進行流體預測,可發現五六七采區中西部地區流體較發育,發育較均勻,葛泉東井流體不發育。

3)利用消除煤層影響的高衰減預測砂巖的含水性,應力分析裂縫發育特征,融合多屬性提取技術對應的流體檢測結果預測煤層頂底板含水性,得到地層富水區結果:五六七采區中西部地區富水性好,葛泉東井富水性差。該結果為煤層開采過程中可能出現的漏水提供預警,可靠性待礦方進一步驗證。