安鹤煤田二_1煤孔隙结构特征及煤层气可采性

基于低温氮吸附以及压汞实验,系统地研究了安鹤煤田二_1煤孔隙结构特征,分析了煤储层孔隙特征对该区煤层气开采的影响。研究结果表明:安鹤煤田煤储层中的孔隙以微、小孔(100 nm)为主,中、大孔(100 nm)其次。煤样的低温液氮吸附回线可以划分为3类,孔隙类型主要为开放的、连通性好的细瓶颈(墨水瓶)状孔,部分为一端封闭的不透气性孔。相比于华北其它地区,安鹤煤田煤储层的BET比表面积较大,总孔体积和孔隙度较小,且进汞饱和度中等,退汞效率相对较好。压汞曲线可以划分为两种类型,其反映的孔隙连通性均较好。结合低温液氮吸附和压汞实验,并对比华北其它地区,可知安鹤煤田煤储层的孔隙结构较利于煤层气解吸-扩散-渗流,可以作为华北地区煤层气勘探开发的优先选择。     

语音处理技术在110联动报修系统中的应用

介绍了语音压缩处理技术在武汉市供电局 1 1 0联动报修系统中的应用。该系统需要对大量用户电话进行录音和压缩存储,因而语音处理技术在该系统中占据重要地位。     

高煤阶煤孔隙结构及分形特征

高煤阶煤与中低煤阶煤在孔隙结构特征方面存在明显差异,分形理论为定量描述高煤阶煤储层孔隙特征提供了有效手段。基于扫描电镜、压汞实验和孔渗测试,以华北地区最大镜质体反射率(Ro,max)在19%~295%之间的9个煤样为研究对象,采用分段回归的方法对各样品进行不同孔径段分形维数计算,并讨论了孔隙结构分形维数与孔隙体积百分比、Ro,max、孔隙度和渗透率的关系。结果表明,高煤阶煤微小孔发育,半封闭孔含量较高,孔隙连通性一般,且孔隙结构具有明显的分段分形特征,同一煤样的超大孔(孔隙半径r＞5 μm)、大孔(05 μm＜r＜5 μm)、中孔(005 μm＜r＜05 μm)和微小孔(r＜005 μm)的分形维数依次减小;各煤样超大孔、大孔、中孔分形维数均随Ro,max增加而增加,随对应孔隙体积百分比增加而减小;孔隙度或渗透率与超大孔、大孔和中孔、微小孔分形维数分别呈二次相关、线性正相关、负相关;各分形区间分形维数分布的偏度和峰度与孔隙度或渗透率分别呈高度正相关和负相关,这为高煤阶煤孔隙度、渗透率提供了理想的线性方程(y=ax+b)预测模型。     

两淮煤田煤储层吸附孔孔隙结构及分形特征

为了定量表征两淮煤田(淮南和淮北煤田)煤储层吸附孔孔隙结构特征,基于低温氮气吸附实验数据及FHH模型计算了吸附孔分形维数D_1(相对压力0~0.5)和D_2(相对压力0.5~1),讨论了分形维数与孔隙结构、物质组成以及煤变质程度之间的关系。结果表明,研究区煤样低温氮气吸附回线可以划分为3类:Ⅰ类,孔隙以"墨水瓶"或"细瓶颈"形孔为主,煤样具有比表面积大、平均孔径小的特点;Ⅱ类,孔隙多为开放性较好的平行板状孔,煤样比表面积和总孔体积较低;Ⅲ类,孔隙以狭缝形孔为主,煤样总孔体积和平均孔径较大。D_1与比表面积呈较强的正相关关系,代表孔表面积分形维数,D_2和平均孔径、微孔含量分别呈高度的线性正相关和负相关,代表孔结构分形维数,不同吸附脱附曲线类型煤样的分形维数D_1呈现出Ⅰ类Ⅲ类Ⅱ类的规律,D_2则呈现出Ⅰ类Ⅱ类Ⅲ类的规律,D_1、D_2与水分、灰分均呈正线型相关,与煤的R_(o,max)的关系并不明显。     

一种改进的贝叶斯反演算法

贝叶斯反演方法是一种以贝叶斯理论为基础的不确定性反演方法,该方法除了以寻找最优解为目标外同时还能对反演结果进行评价分析,因此在地球物理反演领域中占据重要地位.然而传统的贝叶斯反演算法约束能力一般,存在精度不高的问题.本文为了进一步提高该反演算法的精度,分别从初始反演阻抗模型、先验概率分布以及似然函数三个方面对算法进行了改进,改进点主要包括对初始反演阻抗模型中的随机噪声成分进行butterworth滤波处理使构建的初始阻抗与真实阻抗更加接近从而降低反演的难度,对先验概率分布进行多方法综合处理从而有效避免了单一方法约束能力的不足,对似然函数则引入反演残差与子波的互相关函数将其扩展为一个向量从而可以使其针对每个点进行约束.通过以上改进在一定程度上提高了贝叶斯反演算法的约束能力,并利用改进后的算法进行单道记录反演试算,直观对比分析了反演阻抗与实际阻抗的匹配程度,同时引入误差项加以验证,结果表明改进算法能够在一定程度上提高反演的精度.最后,本文通过抗噪性分析检验了改进算法的稳定性和适用性.     

叠前道集优化处理技术及其应用

叠前地震反演是复杂油气储层预测及流体检测的重要手段之一.反演结果的精度与可靠性一方面取决于反演算法本身,另一方面与叠前道集品质密切相关.叠前道集优化处理能够消除或压制非岩性、流体信息引起的地震信息异常,恢复能够客观反映岩性及流体变化的地震信息,揭示地下介质真实的AVO特征.本文提出一种基于AVO特征分析的叠前道集优化处理技术,从实际井数据出发,通过建立井旁道AVO合成道集,对比分析原始道集与合成道集的AVO特征差异,从振幅、相关性、剩余时差以及最大频率四个方面分析评价原始道集存在的问题,针对性制定合适的处理流程,并基于井旁道测试确定最佳处理参数来进行道集优化处理.每步处理均采用AVO特征、叠后频谱和井震标定进行有效质控,确保道集优化处理的合理性,最终为叠前反演提供较高质量的数据基础.该技术成功应用于XJ某区块,相较于原始道集,优化后道集叠前反演的精度明显提升.