地球物理学进展  2014, Vol. 29 Issue (2): 879-884   PDF    
引用本文
张银智, 黄亚平, 甘利灯.2014, 沁水盆地某地区煤层气富集区灰色理论预测方法[J]. 地球物理学进展, 29(2): 879-884, doi: 10.6038/pg20140254  
ZHANG Yin-zhi, HUANG Ya-ping, GAN Li-deng. 2014,ethods of prediction based on grey theory for coalbed methane(CBM)：A case of Qinshui basin. Progress in Geophysics, 29(2): 879-884, doi: 10.6038/pg20140254   
沁水盆地某地区煤层气富集区灰色理论预测方法
张银智1, 黄亚平2, 甘利灯1    
1. 中国石油勘探开发研究院, 北京 100083;
2. 中国矿业大学资源与地球科学学院, 徐州 221116
收稿日期: 2013-8-28 修回日期: 2013-11-18 .
基金项目：国家油气重大专项课题海相碳酸盐岩储层地震描述与油气藏有效预测技术研究（2011ZX05004-003）资助.
作者简介：张银智，男，1988年生，江苏丹阳人，硕士研究生，目前从事油藏地球物理新方法的研究.（E-mail：zyzwise@126.com）
摘要：将灰色理论应用于煤层气富集区的预测中，通过验证设计的数值实验，为研究区实际资料处理的可行性提供依据.并将基于灰色理论的灰色异常和灰色关联度属性分别应用于连井剖面和整个工区.最后通过分析基于灰色理论提取的地震属性，结合钻井信息优化并与波阻抗反演圈定的构造煤发育带对比，得到较好预测效果.
关键词： 灰色理论     地震属性     煤层气富集区     预测    
ethods of prediction based on grey theory for coalbed methane(CBM)：A case of Qinshui basin
ZHANG Yin-zhi1, HUANG Ya-ping2, GAN Li-deng1    
1. Research Institute of Petroleum Exploration &Development, Beijing 100083, China;
2. The School of Resource and Earth Science. CUMT, Xuzhou 221116, China
Abstract: It is necessary to do some research on predicting CBM enriched zone as the state is promoting development and utilization of coal-bed methane. This paper attempts to apply grey theory to analysis of seismic attributes. Based on the gray theory, the numerical experiments are designed to provide the evidence on the feasibility of field data processing. Grey anomaly and gray correlation attributes are applied to the profile which across wells and the field data. Finally through comparing the results which are obtained from the grey attributes combined with drilling information and the delineated tectonic coal development zone which are obtained from wave impedance inversion, the verification of the results shows that methods of coalbed methane enriched zone prediction based on grey theory have achieved initial qualitative effect.
Key words: grey theory     seismic attribute     CBM enriched zone     prediction    

0 引 言

目前，地震勘探技术已广泛应用于煤层气勘探评价中，其中多波多分量、AVO等技术(彭苏萍等，2005; 孟召平等，2006;程冰洁等，2007; 黄伟传等，2007;常锁亮等，2008;李东会等，2011)发挥了重要作用.邓聚龙教授提出的灰色理论应用于地球物理勘探(季敏等，2005)，取得了一定的效果.宋子齐基于灰色系统理论建立了油气储层的精细解释评价系统，取得明显的实用效果(宋子齐和谭成仟，1997).赵加凡利用灰色分析方法，确定了影响东营凹陷碎屑岩储层质量评价指标的权重大小(赵加凡等，2003).吴国平等基于灰色理论提出了一种油气圈闭多域信息评价的新方法(吴国平等，2009).应用实例证实，灰色分析法计算简便，运算速度快，所需数据量小，值得推广应用(赵加凡等，2003).本文尝试将灰色系统预测理论应用于地震属性分析之中，定性预测煤层气富集区，以满足实际生产需求. 1 基于灰色理论的预测方法 1.1 灰色理论

灰色理论是在现代控制理论和模糊理论基础上发展起来的.灰色理论把系统分为黑、灰、白三大类.白色系统为信息完全明确的系统，而黑色系统与白色系统正好相反，系统内部的信息我们毫无所知或基本不知(邓聚龙，2002).现实世界里大多数系统都只是部分信息可知而部分信息未知的，即所谓灰色系统.

对煤层气勘探来讲，灰色系统非常适合富集区预测，即钻井揭示的信息是白色的(如井点位置的地质情况)，而储层空间分布信息是黑色的(如任意位置的地层地质情况)，但是有反射地震资料的空间分布，拥有了部分信息，即煤层气富集区信息是灰色的.由于勘探地球物理学界已有共识：储层孔隙(裂缝与孔洞)的变化、孔隙流体充填以及其饱和度的变化必定引起反射地震波形的改变，因而在地面电磁法勘探排除孔隙流体充填影响以及构造解释排除断层等构造影响后，能够引起已知煤层反射地震波波形改变的就是含气量的多少.这就为利用灰色理论分析地震波形特征预测煤层气富集区提供了依据.通常基于灰色理论在常规地震属性的基础上提取的有灰色异常属性和灰色关联度属性.

1.2 灰色异常属性

灰色异常属性就是利用常规属性(如反射波振幅)建立灰色预测模型对原始数据进行拟合(前人通过数值试验认为可以把拟合的趋势理解为整个地下介质的沉积规律(何皎，2009)，原始数据和拟合函数的偏差就是一种异常，可以揭示煤层气储层变化的特征. 本文提取灰色异常的模型有：基于各自道信息的模型，基于高含气道信息的模型，及基于低含气道信息的模型，具体采用GM(1，1)算法(灰色模型一元一阶算法)，详见邓聚龙(2002). 1.3 灰色关联度属性

灰色关联分析是灰色系统理论的重要组成部分，灰色关联分析主要通过关联度来体现，所谓关联度就是用来度量各类因素之间密切程度的量，表现为序列间量级大小变化的相近性和发展趋势的相似性.在地震勘探中，用灰色关联度属性刻画不同道波形之间大小变化的相近性和发展趋势的相似性，用于揭示储层的变化.目前，主要有三种基本类型，分别是以距离定义的关联度，以斜率比定义的关联度和以斜率差定义的关联度(熊和金等，2000;党耀国等，2004;肖新平等，2005).现有的灰色关联度算法有邓氏关联方法，T关联方法，改进的T关联方法，本文采用的是一种新改进的灰色关联算法(黄亚平，2011)，常建立的灰色关联模型有：各自道与高CBM道关联，各自道与低CBM道关联，各自道为模型灰色异常与高CBM道关联，及各自道为模型灰色异常与低CBM道关联. 1.4 预测方法

(1)基于灰色理论提取灰色异常属性和灰色关联度属性，分析这些属性的基本信息.

(2)对已知钻井含气量取平均值，将平均值以上的钻井视为高含气井.

(3)分析高含气井的各类灰色属性值，确定富集区属性的预测门槛值.

(4)综合已知钻井含气量，获得各属性门槛值的钻井符合率，找出相对较优的属性.

(5)以较优属性的门槛值进行融合，获得含气较高的区域. 2 数值试验

前人已通过数值试验验证了GM(1，1)模型在地震勘探中各类预测性质(何皎，2009)，笔者随机选取研究区的某一道地震记录(图 1)进行了拟合函数的精度的测试，旨在验证GM(1，1)模型是否能够适用于研究区的实际地震资料.将其作为灰色系统的输入序列采用GM(1，1)模型拟合测试.因为累加序列较原始序列更能反映拟合的精度，所以图 2对原始地震记录的累加序列与GM(1，1)灰色模型拟合的累加序列的部分作对比显示，拟合效果良好.因而认为，GM(1，1)模型能够适用于该研究区实际地震资料.

图 1 某道地震记录

Fig. 1 A seismic record

图 2 累加序列和拟合函数部分对比显示

Fig. 2 Cumulative sequences and fitting

function contrast display
3 应 用

本节基于灰色理论对某工区开展了煤层气富集区预测的工作.根据已有的钻井和解释资料，对探区信息有一个初步的认识. 3.1 工区概况

研究区位于沁水盆地，北高南低.研究的3#煤层位于二叠系山西组(P1s)下部，上距K8砂岩24.08～48.53 m，平均37.39 m，下距K7砂岩0～12.80 m，层位稳定，结构简单，顶板主要是泥岩、砂质泥岩，次为粉砂岩，局部为中、细粒砂岩；底板主要是泥岩、砂质泥岩，个别为中、细粒砂岩或粉砂岩.为全区稳定的主要可采煤层之一. 3.2 灰色属性提取分析

图 3为连井剖面，由钻井资料可知，trace663是连井剖面揭示钻井中CBM含量最高的，因此选择Trace663地震道为高CBM参考道.Trace189处，是揭示钻井中CBM含量最低的，选择Trace189地震道为低CBM参考道，提取连井剖面的灰色异常和灰色关联度属性，并对其开展分析.图 4(a)(b)分别是以高CBM道和低CBM道作为模型的灰色异常结果，可以发现3#煤层的异常部位突出，有明显的变化.棕红色的正异常和深蓝色的负异常均为高异常，基于灰色理论认为高异常是高含气的响应.对比图 4(a)(b)，观察整个连井剖面的变化，异常区域相近，可以发现负异常在减少而正异常在增多，这一点在下面探区沿层处理中也得到验证，猜测负异常与低含气存在某种负相关，所以认为灰色负异常是高含气的响应.图 5(a)(b)分别是各自道为模型灰色异常与高CBM道和低CBM道的关联度，图中红线为煤层层位，由于采用的是一种改进后的关联算法，关联度有正有负，这种改进后的算法认为关联度正负极值均为高关联.

图 3 连井剖面

Fig. 3 Section across wells

图 4 高(a)/低(b)CBM道为模型的灰色异常剖面.

Fig. 4 Grey anomaly section based on high/low CBM record model.

图 5 各自道与高(a)/低(b)CBM道关联剖面.

Fig. 5 Correlation degree section based on individual record and high/low CBM record.

因为Trace56的含气量是介于Trace189和Trace663之间的，所以以Trace56道做效果分析.对于灰色异常属性，在Trace56，高CBM道为模型的灰色异常的值要低于低CBM道为模型的灰色异常的绝对值.

三口井的含气量的排序为Trace663>Trace56>Trace189；

高CBM道为模型的灰色异常数值的大小排序为

Trace189>Trace56>Trace663；

低CBM道为模型的灰色异常数值的大小排序为

Trace663>Trace56>Trace189.

选择不同含气量的模型道异常的数值与含气量有某种负相关的关系，认为该连井剖面的3#煤层含气量整体不高.对于灰色关联分析可知：

各自道与高CBM道关联度排序Trace663>Trace56>Trace189；

各自道与低CBM道关联度排序 Trace189>Trace56>Trace663； 含气量与关联度为正相关，这是符合灰色理论的.

通过对连井剖面的处理，取得了一定的效果，发现了部分规律，为了进一步探索，下面沿探区3号煤层做基于层位的灰色分析(沿层上下开时窗，提取灰色属性均值).

图 6(a)是根据各自道为模型 计算的灰色异常，从灰色异常的结果已经能够反映出一些高异常的区域.图 6(b)是高CBM道信息作为模型的灰色异常结果，异常区域突出，且具有很好的分带性.图 6(c)是低CBM道信息作为模型的灰色异常结果，同样异常区域突出，且具有明显很好的分带性，分布规律基本与图 6(b)相似，负异常区域有所减少，正异常区域增多，因此推断负异常区域为高CBM区域，而正异常区域的含气量比负异常区域少，这一点在连井剖面也可以得到验证.

图 6 各自道(a)/高CBM道(b)/低CBM道(c)为模型的灰色异常沿层切片.

Fig. 6 Slice of grey anomaly based on individual /high /low CBM record model.

对比图 7(a)和7(b)观察，各自道为模型灰色异常与高低CBM道关联在不同的区域存在互为极值和0值附近的现象，推测可以尝试一种圈定高含气量区域的方法.具体叙述如下：

图 7 各自道为模型灰色异常与高CBM道(a)/低CBM(b)道关联沿层切片.

Fig. 7 Slice of correlation degree based on individual record anomaly model and high/low CBM record.

如果所选的参考道差异较大，对不同含气量道作关联分析，高CBM道参与的关联度为极值，低CBM道参与的关联度为0值附近，可以考虑圈定为高含气区域，这是符合灰色关联理论中关联度越大越相似的.

图 8 各井含气量

Fig. 8 Gas content of wells
3.3 效果分析

做了探区的灰色属性分析后，用灰色理论的预测方法根据图 9结合钻井信息(10口井的含气量均值为15.4 m3/t，以均值划分两类井，红/白色井分别代表高/低含气井)对各类属性进行优化，分析结果如表 1，图 10是采用低CBM异常(钻井符合率100%)和各自道高CBM关联(钻井符合率80%)这两个较优属性门槛值融合的结果，钻井符合率为90%(不符合的6号井含气量15.45 m3/t在均值附近，可理解为不稳定).

表 1 各类灰色属性门槛值及钻井符合率 Table 1 Critical values and coincidence rates with drills of individual grey attribute

图 9 各井属性值

Fig. 9 Attribute values of wells

图 10 优选灰色属性融合沿层切片

Fig. 10 Slice of optimized gray attributes

在煤层气勘探中评价煤阶、区分煤种十分重要(孙占学等，2006;王赟等，2011)，前人的研究(俞启香，1993;周世宁，1997)认为构造煤的发育与煤层气的含量有某种关系.图 11为3#煤顶板+2 ms曲线重构波阻抗反演圈定的构造煤区域通过对比可以发现灰色分析圈定的高含气区域和波阻抗反演的结果是大致符合的.

图 11 波阻抗反演结果

Fig. 11 Result of wave impedance inversion

通过对比发现灰色分析的高含气区域与波阻抗反演的构造煤发育带不是完全对应的，原因可能在于构造煤发育与煤层气含量并没有非常严格的量的关系，即构造煤发育不一定煤层气含量高，因此较波阻抗反演，灰色分析圈出的高含气区域并不全是构造煤.

另外，由于灰色分析只是基于振幅即波形变化建立的预测模型，所以圈定高含气区域有一定精度限制，与波阻抗反演圈定的构造煤发育带并不是完全对应的.

本文采用的基于灰色理论的地震属性提取方法取得了效果，而且较波阻抗反演更加简单快速直接. 4 结 论

本文初步探讨了基于灰色理论的煤层气富集区预测方法，得到了如下初步认识：

(1)以实际资料进行灰色异常分析，获得了高含气道和低含气道灰色异常响应，认为灰色负异常是高含气的响应.

(2)如果所选的参考道差异较大，对不同含气量道作关联分析，高CBM道参与的关联度为极值，低CBM道参与的关联度为0值附近，可以考虑圈定为高含气区域.

(3)通过与钻井信息对比，以及与波阻抗反演圈定的构造煤发育带对比，认为灰色分析圈定的高含气区域和波阻抗反演的结果是大致符合的，但不是完全对应的，认为构造煤发育带不一定煤层气含量高，而灰色分析圈出的高含气区域并不全是构造煤.

致 谢 本文第一作者得到国家油气重大专项课题海相碳酸盐岩储层地震描述与油气藏有效预测技术研究(2011ZX05004-003)资助，在此一并感谢.

参考文献
[1] Chang S L, Yang Q, Liu D M, et al. 2008. The discussion of required P-wave quality for the AVO technology based on the CBM reservoir research[J]. Progress in Geophysics (in Chinese), 23(4): 1236-1243.
[2] Cheng B J, Li X F, Xu T J. 2007. Numerical modeling of the seismic wave-field in cracked media with liquid[J]. Progress in Geophysics (in Chinese), 22(5): 1370-1374.
[3] Dang Y G, Liu S F, Liu B, et al. 2004. Improvement on degree of grey slope incidence[J]. China Engineering Science (in Chinese), 6(3): 41-44.
[4] Deng J L. 2002. Grey Theory (in Chinese)[M]. Wuhan: Huazhong University of Science and Technology Press.
[5] He J. 2009. Gray reservoir prediction technique based on seismic waveform (in Chinese)[MS. thesis]. Shanghai: Tongji University.
[6] Huang W C, Yang C C, Wang Y F. 2007. The application of Prestack seismic data in predicting the fractured reservoir[J]. Progress in Geophysics (in Chinese), 22(5): 1602-1606.
[7] Huang Y P. 2011. Marine carbonate rock reservoir prediction methods and its application research based on seismic attributes(in Chinese)[Ph. D. thesis]. Shanghai: Tongji University.
[8] Ji M, Wang S X, Chen S Q. 2005. Application overview of Grey theory in geophysical exploration[J]. Progress in Geophysics (in Chinese), 20(4): 1164-1170.
[9] Li D H, Dong S H, Zhao X C, et al. 2011. Seismic wave simulation of biphase EDA medium in coal-bed media[J]. Progress in Geophysics (in Chinese), 26(2): 654-663.
[10] Meng Z P, Guo Y S, Wang Y, et al. 2006. Prediction models of coal thickness based on seismic attributions and their applications[J]. Chinese Journal of Geophysics (in Chinese), 49(2): 512-517.
[11] Peng S P, Gao Y F, Yang R Z, et al. 2005. Theory and application of AVO for detection of coal bed methane –A case from the Huainan coalfield[J]. Chinese Journal of Geophysics (in Chinese), 48(6): 1475-1486.
[12] Song Z Q, Xia K W, Tan C Q. 1997. Multi-well reservoir evaluation based on grey theory[J]. Journal of Xi'an Petroleum Institute (in Chinese), 12(4): 23-25.
[13] Sun Z X, Zhang W, Hu B Q, et al. 2006. Features of heat flow and the geothermal field of the Qinshui Basin[J]. Chinese J. Geophys. (in Chinese), 49(1): 130-134.
[14] Wang Y, Zhang Y G, Xu X K. 2013. Relationship between the maximum vitrinite reflectance and the elastic parameters of coal: A lab ultrasonic measurement of 6 metamophic kinds of coals[J]. Chinese J. Geophys. (in Chinese), 56(6): 2116-2122.
[15] Wu G P, Ao M S, Wu Y Q. 2009. Multi-domain information assessment of oil gas traps based on cloud model and grey correlation analysis[J]. Journal of Southwest Petroleum University (Natural Science Edition) (in Chinese), 31 (5): 1-5.
[16] Xiao X P, Song Z M, Li F. 2005. Grey Technology and Its Application (in Chinese)[M]. Beijing: Science Press.
[17] Xiong H J Chen M Y, Qu T. 2000. Several extended formulas of grey correlation degree[J]. Systems Engineering and Electronics (in Chinese), 22(1): 8-10, 80.
[18] Yu Q X. 1993. The Prevention and Cure for Coalbed Methane (in Chinese)[M]. Xuzhou: Press of China University of Mining and Technology.
[19] Zhao J F, Chen X H, Zhang Q. 2003. Application of grey correlation analysis in reservoir evaluation[J]. Progress in Exploration Geophysics (in Chinese), 26(4): 282-286.
[20] Zhou S N. 1997. The Theory of Coalbed Methane's Deposition and Flow[M]. Beijing: Coal Industry Press.
[21] 常锁亮, 杨起, 刘大猛,等. 2008. 煤层气储层物性预测的AVO技术对地震纵波资料品质要求的探讨[J]. 地球物理学进展, 23(4): 1236-1243.
[22] 程冰洁, 李小凡, 徐天吉. 2007. 含流体裂缝介质中地震波场数值模拟 [J]. 地球物理学进展, 22(5): 1370-1374.
[23] 党耀国, 刘思峰, 刘斌,等. 2004. 灰色斜率关联度的改进[J]. 中国工程科学, 6(3): 41-44.
[24] 邓聚龙. 2002. 灰理论基础[M]. 武汉: 华中理工大学出版社.
[25] 何皎. 2009. 基于地震波形的灰色储层预测技术研究[硕士论文]. 上海: 同济大学.
[26] 黄伟传, 杨长春, 王彦飞. 2007. 利用叠前地震数据预测裂缝储层的应用研究 [J]. 地球物理学进展, 22(5): 1602-1606.
[27] 黄亚平. 2011. 基于地震属性的海相碳酸盐岩储层预测方法与应用研究[博士论文]. 上海: 同济大学,
[28] 季敏, 王尚旭, 陈双全. 2005. 灰色理论在地球物理勘探开发中的应用综述[J]. 地球物理学进展, 20(4): 1164-1170.
[29] 李东会, 董守华, 赵小翠,等. 2011. 煤储层双相EDA介质的地震波场模拟[J]. 地球物理学进展, 26(2): 654-663.
[30] 孟召平, 郭彦省, 王赟,等. 2006. 基于地震属性的煤层厚度预测模型及其应用[J]. 地球物理学报, 49(2): 512-517.
[31] 彭苏萍, 高云峰, 杨瑞召,等. 2005. AVO探测煤层瓦斯富集的理论探讨和初步实践—以淮南煤田为例[J]. 地球物理学报, 48(6): 1475-1486.
[32] 宋子齐, 夏克文, 谭成仟. 1997. 利用灰色理论进行多井储层评价[J]. 西安石油学院学报, 12(4): 23-25.
[33] 孙占学, 张文, 胡宝群,等. 2006. 沁水盆地大地热流与地温场特征[J]. 地球物理学报, 49(1): 130-134
[34] 王赟, 张玉贵, 许小凯. 2013. 六种不同变质程度煤的最大镜质组反射率与弹性参数的关系[J]. 地球物理学报, 56(6): 2116-2122.
[35] 吴国平, 敖敏思, 吴亦奇. 2009. 基于云模型和灰关联的油气圈闭多域信息评价[J]. 西南石油大学学报(自然科学版), 31(5): 1-5.
[36] 肖新平, 宋中民, 李峰. 2005. 灰技术基础及其应用[M]. 北京: 科学出版社.
[37] 熊和金, 陈绵云, 瞿坦. 2000. 灰色关联度公式的几种扩展[J]. 系统工程与电子技术, 22(1): 8-10, 80.
[38] 俞启香. 1993. 矿井瓦斯防治[M]. 徐州: 中国矿业大学出版社.
[39] 赵加凡, 陈小宏, 张勤. 2003. 灰关联分析在储层评价中的应用[J]. 勘探地球物理进展, 26(4): 282-286.
[40] 周世宁. 1997. 煤层瓦斯赋存与流动理论[M]. 北京: 煤炭工业出版社.