地震多属性拟测井多参数反演预测煤层顶底板岩石赋水性研究

通过实例介绍利用地震多属性与测井成果联合反演,获得表征煤层顶底板岩石赋水性强弱的拟测井参数体,进而对其进行赋水性分析：首先利用伽马-伽马测井及视电阻率曲线重构岩石视孔隙度曲线,以获得研究区岩石视孔隙度成果;利用测井成果合成地震记录进行精细的地震地质层位标定及采区地震数据的保幅、保真处理;在测井成果约束下进行地震多属性拟测井多参数反演,利用反演成果的高低异常区评价煤层顶底板赋水强弱分区——低波阻抗、低电阻率、高孔隙度分布的区域对应赋水性强的区域,反之为赋水性弱的区域。     

多属性神经网络反演预测煤层顶板岩性

煤层顶板岩性对于煤矿安全生产产生很大的影响。通过神经网络方法对自然伽马测井与地震属性（包括波阻抗属性）进行训练得到两者的非线性关系,并将其应用到整个地震数据中得到拟自然伽马体。相对于波阻抗属性,自然伽马参数可以很好地区分砂泥岩,从而更直接预测煤层顶板岩性,提高岩性预测的分辨率。     

地震多属性分析技术在煤层厚度预测中的应用分析

准确预测煤层厚度对指导煤矿安全生产具有重要意义.以新疆某三维勘探研究区A3煤层的煤层厚度预测为实例,选择15口井作为样本数据,通过提取目的层地震属性特征,应用多元回归分析方法和神经网络方法进行煤层厚度预测,煤层厚度预测趋势的相关系数高达0.98.预测结果表明,多属性定量预测煤层厚度是一种有效的方法,神经网络方法得到的煤...     

三维地震属性参数在煤层厚度预测中的应用

依托“西部煤炭资源高精度三维地震勘探技术”项目工程,对晋城某矿南翼大巷东南区5m×5m×1ms的三维地震数据体,采用三维地震属性参数预测煤层厚度及其变化规律：沿3煤层、15煤层10ms时窗提取地震属性42种,根据钻孔资料,计算出煤厚与地震属性相关系数;从中优选出相关系数大于0．35的地震属性,其中3煤层9个、15煤层10个;然后进行地震属性互相关分析,优选出与3煤、15煤层厚度相关系数较大的4种属性,建立预测煤厚的BP神经网络模型,分别选取3煤层12个、15煤层4个实测数据作为学习训练和测试样本,以钻孔地震属性作为学习样本,对网络进行训练,最终获得全区煤层厚度。经与预留钻孔成果资料对比,预测精度较高,结果可用。     

利用地震属性解释煤层冲刷带

把地震属性技术和地震相分析技术应用于煤层冲刷带的解释工作中。首先从煤层反射波中提取了多种地震属性;然后分析对比地震属性与煤层冲刷带的响应特征;最后利用响应特征明显的地震属性对煤层冲刷带进行了综合解释,确定了煤层冲刷带的范围。与传统钻探解释方法相比,地震属性方法能够更准确地圈定煤层冲刷带的边界。     

三维地震与测井资料在多煤层对比中的应用研究

陆相成煤环境及断陷构造特点,致使二连盆地内煤层具有层数多、间距小、厚度横向变化大、标志层少等特点,利用钻探资料进行煤层对比难度大,其结果将直接影响对煤层、煤质评价及煤炭资源量估算。考虑到研究区煤层赋存特点,利用三维地震成果,对该区进行了煤层辅助对比,其结果与原有7个钻孔煤层对比成果存在差异。通过三维地震层位对比与构造解释方案的核查,结合波阻抗反演结果和测井资料重新解释,认为三维地震的煤层对比是合理的。该实例表明,综合利用测井资料、三维地震解释和波阻抗反演等,可有效提高煤层对比的可靠性,提高煤炭资源地质勘探阶段的控制精度。     

测井-地震多属性密度曲线重构反演技术及应用

为了提高波阻抗反演的分辨率,在密度资料对反演结果产生重要影响的基础上,利用岩心、测井及地震资料,从岩石物理性质-测井响应-地震响应角度分析,提出应用测井-地震多属性密度曲线重构技术合成拟密度曲线,其结果用全井连续取心样品测试分析数据验证的平均误差为0.05 g/cm3.应用反演效果分析表明,反演结果吻合率从重构前的78%提高到重构后的86%,密度曲线重构反演技术提高了反演精度和分辨率.     

利用地震资料进行煤层厚度解释预测

利用C++语言基于Windows操作环境开发了适用于煤田地震资料解释的煤层厚度辅助解释系统。该系统采用人工神经网络非线性反演方法对煤层厚度变化进行解释,对煤层厚度和地震属性参数之间的非线性关系给出了定量描述,具有较高的解释精度。理论模型和实际资料试算结果表明:利用该系统进行煤层厚度解释,得到了较好的地质效果。     

测井解释煤层甲烷含量与煤层结构的研究

煤层甲烷含量和渗透率是评价煤层甲烷地面抽放的重要技术指标。通过对南，淮北部分井田测井曲线，煤层甲烷含量和煤结构的研究，认为测井曲线解释煤层甲烷含量和煤结构是可行的。     

煤田测井中煤层的定性及定厚解释技术应用

选择使用观测钻孔内3种(含3种)以上有效的煤田测井物性参数,分析和对比所有曲线表现的异常特征,从中发现煤层与围岩的突出特性,达到对目的层的定性解释,而定厚解释是重点利用视电阻率和γ-γ曲线异常的典型特征值,确定煤层的深度、厚度和结构,有时还利用诸物性参数曲线异常的形态特征、标志层、对比方法,对个别煤层进行定位定论。     

地震属性参数在煤层厚度预测中的应用

薄煤层厚度的变化必然引起地震波场属性参数的变化。借鉴油气勘探中提取地震属性参数技术,通过引入小波变换工具,在不同频段提取小波域属性参数,并利用BP神经网络技术进行多参数煤层厚度的综合预测,经实际资料验证,预测精度较高,误差小于10%。     

岩浆岩侵入煤层的地震属性识别技术

岩浆岩体严重影响井田的煤质、储量等,对采区工作面布置、巷道掘进及回采工作造成严重的影响,因而探测岩浆岩侵入煤层的范围对煤矿安全高效生产具有重大意义。在总结岩浆岩侵入体的地质特征基础上,建立岩浆侵入煤层地震地质模型,通过正演,对多种属性进行交互分析,发现主频能量属性与振幅类属性对岩浆岩反应较为敏感,并且随着岩浆岩厚度的逐渐增加能量类与振幅类属性逐渐降低。通过对QN煤矿103工作面高密度三维地震资料连井剖面10煤进行属性分析,发现频带宽度、中心频率、主振幅属性可以较好地识别岩浆侵入区。通过对勘探区10煤层进行频带宽度、中心频率和主振幅属性分析识别岩浆侵入区,其识别结果与钻孔实际揭露吻合较好,证明采用地震属性识别技术可以识别煤层岩浆岩侵入区范围。     

复合煤层中夹矸对槽波探测解释断层落差的影响

槽波地震勘探技术在探测工作面内部断层、陷落柱发育情况、煤厚变化等方面已经取得较好的应用效果,现已成为井下地质构造探测的首选方法。但对于含夹矸的复合煤层地质构造的探测,槽波方法还存在一定的问题,为研究复合煤层中夹矸对槽波地震探测中断层落差解释的影响,通过建立不同的数值模型进行正演分析,并选取山西某矿复合煤层进行槽波探测试验。研究结果表明：复合煤层中的夹矸对槽波探测解释断层落差有较大影响,夹矸的厚度与煤层差异较小时,槽波探测解释断层落差时的单位煤厚标准应为复合煤层的总厚度;差异较大时,单位煤厚标准应为激发接收层的单一煤层厚度。研究结果可为槽波实际资料的解释、分析提供参考依据。     

基于地震属性分析的红柳林煤矿采空区解释

以红柳林煤矿采空区的三维地震勘探为例,对房柱式采煤形成的采空区的地震波场进行了正演模拟,分析了不同采空区地震波振幅特征、频谱特征及绕射波对采空区地震响应的影响;利用均方根振幅(RMS)属性圈定了小煤窑采空区范围。钻探验证结果表明,利用地震属性解释采空区的应用效果良好。     

节理扩展煤层应力场的联合反演分析

考虑地应力作用下节理扩展引起的煤岩物理力学性质改变,进而导致煤层应力、变形的重新分布,给出了煤岩单元节理扩展的计算方法,并分析了节理扩展与应力的相互作用关系。应用小波神经网络方法及逐级加载算法,提出节理扩展煤储层应力场的联合反演方法,并对沁水盆地晋城区块煤储层应力场分布规律进行分析。结果表明：晋城区块最大主应力为8～13 MPa,由西北向东南呈逐渐增大趋势;最小主应力为5～9 MPa,应力低值区集中在晋城南部区域。通过对比关键点的现场实测值与模拟计算结果,得知主应力大小与实测值最大误差仅为3%,方位误差小于1.3°,满足工程计算精度要求。利用联合反演分析煤储层应力场,具有计算精度高、速度快、建模简单等优点,适合于软件集成快速计算。     

地震属性参数在煤层厚度预测中的应用对比

高分辨率三维地震勘探能够获得地下空间三维数据体的大量地质信息,为工作区煤层厚度的确定提供依据.通过常用的三种方法谱:矩法、振幅谱平方比法、地震振幅谱和子波振幅谱比法,提取三维地震数据体中地震属性,编制相应的软件程序,对煤层厚度进行预测.研究对比了这三种算法的预测效果,为煤田煤层厚度的预测提供了可靠的参考依据.     

煤层陷落柱多波地震数值模拟与成像研究

陷落柱是煤田勘探开发中常见的地质灾害体,陷落柱的精确探测一直是煤田安全生产研究的重点,单纯依靠常规纵波地震勘探技术难以满足现阶段煤田精细勘探的需求。多波地震勘探技术能够获得纵波和转换波地震资料,提供更丰富的波场信息,且转换波对于埋深较浅的小幅度构造有更高的分辨率,充分利用多分量地震资料可以有效的提高地震勘探的精度。本文将多波地震技术应用到煤层陷落柱研究中,利用数值方法对煤层陷落柱进行多波地震勘探模拟研究,采用弹性波有限差分方法对构建的陷落柱模型进行多分量正演模拟,然后分别对波场分离后的PP波和PS波地震数据进行叠前深度偏移成像测试。通过对两个小尺寸陷落柱模型进行多波地震数值试算表明,多波地震勘探技术是一种有效的煤层陷落柱探测方法,充分利用多波地震资料有利于查明煤层陷落柱构造,对陷落柱取得更好的勘探效果。     

粗糙集与神经网络技术预测煤厚及小断层的方法

提出了基于分析三维地震数据的粗糙集(RS)—神经网络(NN)技术,预测采区断层和煤层厚度变化。利用粗糙集对地震数据中所包含的大量干扰数据进行约简,生成低噪音数据;将约简后的数据输入神经网络进行训练获得断层识别和煤层厚度预测。实际数据验证表明,该方法具有较高的精度。     

应用一种改进BP神经网络算法预测密度曲线

利用测井数据与地震数据二者相结合进行综合分析,是地震勘探工作者的重要工作。可以通过分析井位处的地震数据与测井数据,提取地震的多个属性,建立一个与测井属性的统计关系。选取已改进的三层网络结构BP神经网络算法,在应用一个实际例子后表明,该算法的主要特点是收敛速度快、计算简单,同时还具有跳出局部最小的能力。应用此神经网络算法对某油田的二维地震数据进行了处理,提取了多种地震属性,并在井位置建立了地震属性与密度曲线的非线性关系,成功预测了剖面密度曲线,为了解储层状况提供了有益的资料。