高级检索

陕北侏罗系砂岩宏观−微观特征及其富水性响应机制

冯洁, 丁湘, 蒲治国, 李兆扬, 段东伟, 段会军

冯 洁,丁 湘,蒲治国,等. 陕北侏罗系砂岩宏观−微观特征及其富水性响应机制[J]. 煤炭科学技术,2023,51(7):167−178. DOI: 10.13199/j.cnki.cst.2023-0367
引用本文: 冯 洁,丁 湘,蒲治国,等. 陕北侏罗系砂岩宏观−微观特征及其富水性响应机制[J]. 煤炭科学技术,2023,51(7):167−178. DOI: 10.13199/j.cnki.cst.2023-0367
FENG Jie,DING Xiang,PU Zhiguo,et al. Responding mechanism of macro-micro characteristics and water abundance on Jurassic sandstone in Northern Shaanxi Province[J]. Coal Science and Technology,2023,51(7):167−178. DOI: 10.13199/j.cnki.cst.2023-0367
Citation: FENG Jie,DING Xiang,PU Zhiguo,et al. Responding mechanism of macro-micro characteristics and water abundance on Jurassic sandstone in Northern Shaanxi Province[J]. Coal Science and Technology,2023,51(7):167−178. DOI: 10.13199/j.cnki.cst.2023-0367

陕北侏罗系砂岩宏观−微观特征及其富水性响应机制

基金项目: 

国家自然科学基金面上资助项目(41472234);陕西省青年科技新星资助项目(2021KJXX-82)

详细信息
    作者简介:

    冯洁: (1986—),女,陕西子长人,高级工程师,博士。Tel: 029-87870141,E-mail:fengjie0215@126.com

  • 中图分类号: TD745

Responding mechanism of macro-micro characteristics and water abundance on Jurassic sandstone in Northern Shaanxi Province

Funds: 

National Natural Science Foundation of China (41472234); Shaanxi Province Youth Science and Technology Rising Star Funding Project (2021KJXX-82)

  • 摘要:

    砂岩含水层富水性是矿井防治水的基础,随着陕北侏罗纪煤田煤炭资源逐步开发,侏罗系砂岩含水层富水性研究对保障矿井安全高效开采意义重大,但其非均质性如何影响富水性,即影响机制尚不明确。以大海则煤矿为研究区,通过沉积相划分与38块典型岩样铸体薄片图像分析、压汞、核磁共振等实验室测试,结合钻孔抽水试验成果,研究侏罗系直罗组、延安组沉积相、微观孔隙结构及其与富水性之间的关系,揭示了砂岩微观孔隙结构与富水性的响应机制。研究结果表明:大海则煤矿直罗组下段主要发育河流沉积体系河流砂坝和河漫滩沉积微相,延安组三段主要发育三角洲沉积体系分流河道和分流间湾沉积微相,河流沉积体系普遍较三角洲沉积体系含水层富水性强,以粗砂岩、中砂岩为主的河道砂坝富水性相较以中砂岩、细砂岩为主的河漫滩富水性强,砂岩厚度、砂地比较大的分流河道较砂岩厚度、砂地比较小的分流间湾富水性大;根据砂岩物性、孔隙分布、连通性等将侏罗系砂岩微观孔隙结构划分为大孔粗喉型(Ⅰ类)、中孔−中−细喉型(Ⅱ类)、小孔细喉型(Ⅲ类)、小−微孔−微细喉型(Ⅳ类)4种类型,孔隙结构由Ⅰ类到Ⅳ类依次变差,富水性依次变弱;砂岩宏观沉积相与微观孔隙结构共同表征含水层富水程度。研究结果为砂岩含水层特征研究及其富水性科学预测提供了一种新思路,为矿井防治水提供了理论依据。

    Abstract:

    The water abundance of sandstone aquifer is the basis of mine water prevention and control. With the gradual development of the Jurassic coal resources in northern Shaanxi areas, the study of water abundance of Jurassic sandstone aquifer is of great significance to ensure safe and efficient mining. However, how its heterogeneity affects water abundance, that is the influence mechanism is still unclear. Taking Dahaize Coal Mine as the research area, through the division of sedimentary facies and 38 typical sandstone samples casting thin section image analysis, mercury injection, nuclear magnetic resonance and so on laboratory tests, combined with the results of borehole pumping test, the sedimentary facies, micro pore structure and its relationship with water abundance of Jurassic Zhiluo Formation and Yan’an Formation were studied. The response mechanism of sandstone microscopic pore structure on water abundance is revealed. The results show that the lower Zhiluo Formation in Dahaize Coal Mine mainly develops river sand dam and flood plain sedimentary microfacies of river sedimentary system; The third section of Yan’an Formation mainly develops distributary channel and interdistributary bay sedimentary microfacies of delta sedimentary system. The river sedimentary system is generally more water abundance than the aquifer of delta sedimentary system. The water abundance of channel sand dam dominated by coarse sandstone and medium sandstone is stronger than that of flood plain dominated by medium sandstone and fine sandstone. The water abundance of distributary channel with large sandstone thickness and sand ratio is larger than that of interdistributary bay with small sandstone thickness and sand ratio. The microscopic pore structure could be divided into four types by physical properties, lithology, pore distribution, connectivity, which are type Ⅰ for large pore and coarse throat, type Ⅱ for mesopore and middle-fine throat, type Ⅲ for keyhole and fine throat, type Ⅳ for small- microporous and micro-fine throat, and the pore structure becomes worse and the water abundance becomes weaker from I to IV. The macroscopic sedimentary facies and microscopic pore structure of the sandstone jointly characterize the water abundance of aquifer. It provides a new idea for the characteristics and scientific prediction of water abundance of sandstone aquifer, and provides theoretical basis for mine water control.

  • 深部煤层气资源是中国煤层气产业规模性发展的重要基础,埋深小于2 000 m的煤层气地质资源量为29.82×1012 m3,其中埋深大于1 000 m的深部煤层气资源量为18.71×1012 m3,占比63%[1-2] ,资源潜力巨大。而当前我国煤层气开发的深度大多位于1 000 m 以浅[3-4],深部煤层气勘探开发研究较薄弱。随着浅部已探明可动用储量的减少,深部煤层气开采技术将成为非常规天然气勘探开发的一个新领域,具有重要战略意义[5]。目前对深部煤层气储层地质及关键影响因素分析[6-11]、资源特征及开发潜力[12-13]、富集成藏效应[14-15]、开发工艺及新理论的探索[2,16-17]、生产特征[12,18]已多有研究,同时,在鄂尔多斯、沁水等盆地也启动了试采工程并取得突破[19-20]。一系列的探索与成果,昭示着中国深部煤层气商业性开发具有可观前景,尤其是随着吉深6-7平01井达到日产气量10.1×104 m3 高产工业气流后,更是颠覆了对深部煤层气气勘探开发的许多传统认识[21],对其他区块深部煤层气的开发具有指导性意义。

    横岭区块前期煤层气资源评估显示区内煤层厚度大,含气量高,煤层气开发潜力大。笔者利用地震相控反演开展沁水盆地横岭区块储层空间分布、含气性、煤层厚度、煤层气有利区的精细预测,综合分析物性参数及围岩特征等,在研究区划分出4个煤层气有利区,为后续的煤层气勘探开发提供有力依据。

    沁水盆地目前沉积盖层主要构造线呈北北东向展布,在南、北边缘转折端部位,受边界构造的影响,构造线方向偏转为北东东向或近东西向。按断块学说,和顺横岭区块所在的大地构造Ⅱ级区划为华北断块,Ⅲ级区划为吕梁太行断块,Ⅳ级区划为沁水块坳。位于沁水盆地复向斜东翼的横岭区块,地层走向沿北北东方向,总体由一个背斜和一个向斜构成,在此基础上伴有次一级宽缓褶曲,一般倾角为3°~10°,局部因构造影响可达16°左右。区块因多期构造应力叠加作用,形成挤压变形与伸展拉张变形共存的格局。区内褶皱、断层发育,共发育有向背斜7个,断层7条,以及陷落柱2个;褶皱多呈NNE向,向斜与背斜紧邻交替出现,褶皱延伸从几千米到几十千米,具体如图1所示。

    图  1  沁水盆地横岭区块构造纲要
    Figure  1.  Structure outline map of Hengling block in Qinshui Basin

    横岭区块开发层系为石炭系上统太原组15号煤层,埋深在1 352~1 921 m,垂深多大于1 500 m,属于典型深部煤层气开采;基于岩芯观察,15号煤以光亮型−半亮型煤为主,半暗煤为辅;煤岩成分主要为亮煤,其次为暗煤,煤岩具玻璃光泽,未见裂隙,棱角状断口。试验分析资料表明煤岩演化程度较高,镜质组反射率Ro介于2.0%~3.0%,处于贫煤−无烟煤阶段,多为无烟煤;含气量15~33 m3/t,平均23 m3/t,整体具备良好的生气条件。

    地震波阻抗反演技术是储层反演和预测的重要技术之一。在实际生产中应用的地震反演技术多种多样[22],笔者采用了地震相控非线性随机反演技术,在充分吸取宽带约束反演与模型法反演优点的同时,将标准化或重构之后的测井资料与地震信息有机结合,采用非线性最优化理论、随机模拟算法等,保证了反演结果具有明确的地质意义又有较高的纵向分辨率和良好的预测性。

    利用本区块钻井资料、测井资料编制多口井层序划分与地层界面解释对比图。在对应的连井地震剖面图上解释出层序界面,建立层序或相控模型,进而可以在平面上和三维空间勾画出目的层等不同层序间的匹配关系,为地震相控约束反演奠定约束条件。地震剖面层序解释示意如图2所示。

    图  2  地震剖面层序解释示意
    Figure  2.  Sequence interpretation diagram of seismic section

    考虑地下地质的随机性,相控外推计算中采用多项式相位时间拟合方法建立道间外推关系。在相界面控制的时窗范围内从井出发,将测井资料得到的先验模型参数向量或井旁道反演出的模型参数向量,沿多项式拟合出的相位变化方向进行外推,参与下一地震道的约束反演[23]

    N为给定的正整数,给定数值${f}\left({-N}\right) {f}\left({-N+1}\right){,…,f}\left({N}\right)$,2N多项式拟合数据${f}{(}{x}{)}$,有:

    $$ f\left(x\right)={c}_{0}{p}_{0}\left(x\right)+{c}_{1}{p}_{1}\left(x\right)+ … {+c}_{{\rm{n}}}{p}_{{\rm{n}}}\left(x\right) $$ (1)

    这里每个${p}_{{{j}}}\left(x\right)({{j}}=\mathrm{0,1},2,\cdots ,n)$为xj次多项式,且满足:

    $$ \left\{\begin{array}{l}{p}_{0}\left(x\right)=1\\ \displaystyle\sum {p}_{{\rm{k}}}\left(x\right){p}_{{\rm{m}}}\left(x\right)=0\end{array}\right. $$ (2)

    ${p}_{{{k}}}\left(x\right)$与${p}_{{{m}}}\left(x\right)(k\ne m)$相互正交。由$ {p}_{0}\left(x\right)=1 $可以递推出全部的${p}_{{{j}}}\left(x\right)(j>0)$,用3次多项式拟合得到:

    $$ {c}_{{{k}}}=\sum _{k=-N}^{N}{p}_{{{k}}}\left(x\right)f\left(x\right)/\sum _{k=-N}^{N}{p}_{{{k}}}^{2}\left(x\right)({{k}}=\mathrm{0,1},2,\cdots ,n) $$ (3)

    利用变差函数来描述空间数据场中数据之间的相互关系,建立空间储层参数点之间的统计相关函数。区域化变量Z(x)在x和(x+h)两点处的增量的平方累加起来再除以2倍的t,得到的以两点间距h为变量的函数值为

    $$ G\left(h\right)=\frac{1}{2t}\sum _{i=1}^{t}{\left[{Z}_{{{i}}}\left(x\right)-{Z}_{{{i}}}(x+h)\right]}^{2} $$ (4)

    基于地震道非线性最优化反演的思想,将地震道与波阻抗关系的目标函数定义为式(5),即求解目标函数在最小二乘意义下的极小值,若假设岩石密度为常数,则波阻抗反演变换为速度反演。

    $$ g\left(v\right)=\sum _{i=0}^{n-1}{\left({S}_{{{i}}}^\Delta -D_{{i}} \right)}^{2}\to \mathrm{m}\mathrm{i}\mathrm{n} $$ (5)

    式中:v为速度,m/s;${S}_{{{i}}}^\Delta$为模型响应,即速度预测结果对应的合成地震记录,由地震子波与反射系数褶积得到;${D}_{{{i}}}$为实际地震记录,i为地震记录的采样点序号。

    根据Cook的广义线性反演思想,用Taylor公式将$\left({S}_{{{i}}}^\Delta -{D}_{{{i}}}\right)$在初始模型响应${S}_{{{i}}}$处展开:

    $$ {S}_{{{i}}}^\Delta -{{D}}_{{i}}={{S}}_{{i}}-{{D}}_{{i}}+\sum _{{{{k}}=0}}^{{n-}{1}}\Delta {v}_{{{{k}}}}\frac{\partial{{S}}_{{i}}}{\partial {{V}}_{{k}}}+\frac{{1}}{{2}}\Delta {v}_{{{{k}}}}^{{2}}\left(\sum _{{{{k}}=0}}^{{n-}{1}}\frac{{\partial}^{{2}}{{S}}_{{i}}}{\partial{v}_{{k}}\partial{v}_{{j}}}\right)+ \cdots $$ (6)

    式中:$ {{S}}_{{i}} $为速度初始模型对应的合成地震记录,$\Delta v$为模型参数摄动量。保留二次项,将以上的高次项略掉,即:

    $$ {{S}}_{{i}}^\Delta -{{D}}_{{i}}={{S}}_{{i}}-{{D}}_{{i}}+\sum _{{k=0}}^{{n-1}}\Delta {v}_{{k}}\frac{\partial {{S}}_{{i}}}{\partial {v}_{{k}}}+\frac{{1}}{{2}}\Delta {v}_{{k}}^{{2}}\left(\sum _{{k=}{0}}^{{n-}{1}}\frac{{\partial }^{{2}}{{S}}_{{i}}}{\partial {v}_{{k}}\partial {v}_{{j}}}\right) $$ (7)

    将式(7)对Δv求一阶导数,可得:

    $$ \begin{aligned} &\qquad \quad \frac{\partial {S}_{{{i}}}^{\Delta }}{\partial \Delta {v}_{{{j}}}}=\frac{\partial {S}_{{{i}}}}{\partial {v}_{{{j}}}}+\sum _{{{k}}=0}^{n-1}\Delta {v}_{{{k}}}\frac{{\partial }^{2}{S}_{{{i}}}}{\partial {v}_{{{j}}}\partial {v}_{{{k}}}} \\&\qquad ({{i}}=\mathrm{0,1},\cdots ,n-1;{{j}}=\mathrm{0,1},\cdots ,n-1) \end{aligned}$$ (8)

    将式(8)右端对$\Delta v$求一阶导数,并令该导数为0,可得:

    $$ \sum _{{{i}}=0}^{n-1}\frac{{\partial ({S}_{{{i}}}^{\Delta }-{D}_{{{i}}})}^{2}}{\partial \Delta {v}_{{{j}}}}=2\sum _{{{i}}=0}^{n-1}\left({S}_{{{i}}}^{\Delta }-{D}_{{{i}}}\right)\frac{\partial {S}_{{{i}}}^{\Delta }}{\partial \Delta {v}_{{{j}}}}=0 $$ (9)

    将式(7)和式(8)代入式(9),则有:

    $$ \begin{array}{c} 2 \displaystyle\sum\limits_{{{i}} = 0}^{n - 1} {\left\{ {\left[ {{S_{{i}}} - {D_{{i}}} + \displaystyle\sum\limits_{{{k}} = 0}^{n - 1} {\Delta {v_{{k}}}} \dfrac{{\partial {S_{{i}}}}}{{\partial {v_{{j}}}}} + \dfrac{1}{2}\Delta v_{{k}}^2\left( {\displaystyle\sum\limits_{{{k}} = 0}^{n - 1} {\dfrac{{{\partial ^2}{S_{{i}}}}}{{\partial {v_{{k}}}\partial {v_{{j}}}}}} } \right)} \right]} \right.} \\ \left. {\left( {\dfrac{{\partial {S_{{i}}}}}{{\partial {v_{{j}}}}} + \displaystyle\sum\limits_{{{k}} = 0}^{n - 1} \Delta {v_{{k}}}\dfrac{{{\partial ^2}{S_{{i}}}}}{{\partial {v_{{j}}}\partial {v_{{k}}}}}} \right)} \right\} = 0 \\[-20pt] \end{array}$$ (10)

    将式(10)两边除以2,再将左端展开后,省略部分高阶极小量简化为:

    $$\begin{array}{c} \displaystyle\sum\limits_{{{i}} = 0}^{n - 1} {\left[ {\left( {{S_{{i}}} - {D_{{i}}}} \right)\dfrac{{\partial {S_{{i}}}}}{{\partial {v_{{j}}}}} + \dfrac{{\partial {S_{{i}}}}}{{\partial {v_{{j}}}}}\displaystyle\sum\limits_{{{k}} = 0}^{n - 1} \Delta {v_{{k}}}\dfrac{{\partial {S_{{i}}}}}{{\partial {v_{{k}}}}} + } \right.} \\ \left. {\left( {{S_{{i}}} - {D_{{i}}}} \right)\displaystyle\sum\limits_{{{k}} = 0}^{n - 1} \Delta {v_{{k}}}\dfrac{{{\partial ^2}{S_{{i}}}}}{{\partial {v_{{j}}}\partial {v_{{k}}}}}} \right] = 0 \end{array} $$ (11)

    为便于理解,将式(11)用简单形式表示为:

    $$ A\Delta v+B\Delta v+C=0 $$ (12)

    其中:

    $$ \begin{aligned} A= & \sum _{i=0}^{n-1}\left[\frac{\partial {S}_{{{i}}}}{\partial {v}_{{{j}}}}\sum _{{{k}}=0}^{n-1}\frac{\partial {S}_{{{i}}}}{\partial {v}_{{{k}}}}\right]; B = \sum _{{{i}}=0}^{n-1}\left[\left({S}_{{{i}}}-{D}_{{{i}}}\right)\sum _{{{k}}=0}^{n-1}\frac{{\partial }^{2}{S}_{{{i}}}}{\partial {v}_{{{j}}}\partial {v}_{{{k}}}}\right] ; \\ C = & \sum _{{{i}}=0}^{n-1}\left[\left({S}_{{{i}}}-{D}_{{{i}}}\right)\frac{\partial {S}_{{{i}}}}{\partial {v}_{{{k}}}}\right] \\[-21pt] \end{aligned}$$ (13)

    利用式(12)求取模型摄动量$ \Delta v $时,一般多采用矩阵求逆的方法,这样很容易因矩阵奇异而无解。为此,笔者将矩阵求逆蜕变为一元一次方程求解来减少反演的多解性,增强其稳定性。

    由式(12)求出$ \Delta v $,通过式(14)迭代得到最终的反演速度v

    $$ {v}^{a+1}={v}^{a}+\Delta {v}^{a} $$ (14)

    式中:a为迭代次数。

    利用HL-T-01井参与叠后反演,利用HL-T-02、HL-T-03、HL-T-04、HL-T-06、HL-T-09、ZK0101和ZK0102井进行验证。另外,由于本区块用了以前的测线(OL2和OD1)的部分结果,为了保证不同工区的闭合性,OD1与SN02的交点、OL2与EW02的交点、OL2与SN03的重合部分的结果也用来约束本区块的反演。

    从反演成果中储层特征是否明显、反演结果与钻井结果是否吻合、反演结果是否稳定、其预测性是否强以及反演结果是否充分反映区块目的层地质、沉积特征等方面来衡量反演效果,本次采用了先进的相控非线性随机反演方法,因此区块目的层储层反演取得了较好的效果。

    1)反演分辨率高,反演剖面与测井数据吻合。

    图3是HL-T-01钻孔所在SN03测线与测井资料对比分析图,从图3可以看出,剖面储层特征明显,低速煤层(深蓝色)、高速石灰岩(黄褐色)、中高速度的砂(黄色)和泥页岩(浅蓝色)都能分辨出来,反演剖面对岩性识别效果非常好。同时,反演剖面在HL-T-01钻孔上的岩性与钻井资料对应较好。

    图  3  HL-T-01井所在SN03测线反演剖面与测井对比分析图
    Figure  3.  Comparative analysis of inversion profile and logging of sn03 logging line in HL-T-01 well

    2)反演剖面与地震波形特征一致。

    图4为区块EW06测线的反演速度剖面与地震剖面的叠合图,从4图中可看出反演与地震波形保持一致,储层岩性的横向细微变化与地震剖面上同相轴及其振幅的变化是同步的,地震特征变了,岩性随之发生变化,这表明反演结果中岩性、储层的横向变化主要与地震信息(属性)的变化有关,随地震属性(如振幅等)的变化而变化,说明反演结果忠实于地震资料,反演方法稳定。

    图  4  EW06测线反演剖面与地震剖面叠合图
    Figure  4.  Superposition of EW06 line inversion section and seismic section

    3)沉积特征明显。

    由于本次反演融入了相控反演的思想,使得反演结果沉积特征清楚。图5为EW02测线的反演剖面图,剖面上的地层跨过断层出现缺失,符合地质特征。剖面上的砂体岩性超复、尖灭、分叉以及相变特征非常明显,符合地质特征。

    图  5  EW02测线叠后反演剖面
    Figure  5.  Post stack inversion profile of EW02 survey line

    在反演速度剖面上,以地层对比为基础,对应区块内现有钻孔的储层数据进行标定,确定储层追踪解释目标和层数。在区块内共确定了3个煤储层小层:① 经过K10灰岩和K8灰岩以及第一段泥岩后是3号煤储层;② 过3号煤底-K4石灰岩顶的第二段泥页岩后是8号煤;③ 8号煤底经过K4等灰岩层后是15号煤层。钻孔小层位置示意如图6所示。

    图  6  HL-T-01钻孔小层位置示意
    Figure  6.  Location of borehole sublayer of HL-T-01 well

    根据测井分层资料确定钻孔上储层位置,继而从钻孔出发向两侧追踪解释。如图7所示,反演剖面上储层位置与测井一致。

    图  7  小层位置在剖面上的展示图
    Figure  7.  Display of sublayer position on section

    追踪完小层后,将各储层的顶和底相减得到的时间厚度值,进行剖面间插值,并将其与层速度相乘,得到深度域的厚度平面等值线图。

    利用叠后地震相控非线性随机反演技术预测了煤储层(3号、8号、15号煤层)的厚度分布。结果显示:8号和3号煤储层厚度分布较不均匀,厚度范围为0.5~2.5 m,沉积的稳定性较差;15号煤层整体分布为NNE方向,全区厚度分布稳定,厚度变化范围在4~7 m(图8)。煤层最厚处位于西北部,最薄处位于中西部。

    图  8  15号煤层厚度预测平面图
    Figure  8.  Coal seam thickness plan of 15# coal

    图9为EW05测线的叠后反演剖面与叠后含气性预测剖面的对比分析,上图为EW05测线的叠后反演剖面,下图为该测线的叠后含气性预测剖面。上图中有煤层发育的地方在下图中不一定能看到含气的存在,可见叠后反演可以有效识别储层分布,但无法反映储层中是否含气,上图中速度特低区在下图有明显的含气性异常。可见将叠后含气性检测与叠后速度反演交互,能够有效识别含气储层。除此之外,基于流体活动性属性分析技术从追踪的小层中提取储层的含气量,采用含气厚度的概念宏观表征储层含气性及含气量的相对大小,即厚度=速度×时间,具体是:首先根据钻孔测井曲线得到煤层的速度、拉梅系数乘密度这2个约束条件,优选含气煤层,再根据含气煤层采样点的速度乘以时间间隔,累计起来就是含气厚度。

    图  9  测线EW05叠后含气性检测剖面与叠后反演剖面对比
    Figure  9.  Comparison between post stack gas bearing detection section and post stack inversion section of survey line EW05

    叠后含气性预测与叠后反演剖面结合得到的15号煤层含气性预测平面分布图如图10所示,由图10可以看出,15号煤层在区块中部和北部含气特征明显,厚度最高可达4.5 m。区块内整体含气性较好。

    图  10  15号煤层叠后含气性预测平面分布
    Figure  10.  Plane distribution of post stack gas bearing prediction of No.15 coal seam

    在圈定目标区的含气有利区的工作中,对于目标区的精细勘探是必不可少的,因此对目标区的储层物性的研究显得尤为重要。研究过程中发现,区块目的层的孔隙度较低,在低孔隙的背景下寻找相对高孔隙部位对分析含气成藏机理寻找有利成藏区域以及后续的井位设计是很重要的一个环节。孔隙度反演的目的就是寻找到储层发育的高孔隙区分布。

    由于区块缺少预测孔隙度的资料,邻区榆社-武乡区块仅有十几个泥页岩岩心的试验结果,所以只能用其做拟合来反演整个区域的孔隙度。

    通过分析泥页岩孔隙度$\varphi$与速度${V}_{{\rm{p}}}$的关系,得到交会图(图11),从拟合关系可以得到如下拟合公式:

    图  11  泥页岩孔隙度与速度交会图
    Figure  11.  Cross plot of shale porosity and velocity
    $$\varphi =-0.009\,234 {V}_{{\rm{p}}}+37.88 $$ (15)

    利用式(15)对泥页岩孔隙度进行反演,因勘探区无煤层孔隙度样品数据,因此调研了勘探区附近沁水煤田其他区块的孔隙度数据。因煤层孔隙度数据比泥页岩孔隙度大,所以在采用泥页岩公式的基础上对其进行改动,得到煤层孔隙度反演公式为:

    $$ \varphi =-0.009\,234 {V}_{{\rm{p}}}+39.88 $$ (16)

    Gardner在1974年给出密度与速度的经验公式[24]

    $$ \rho =0.31{V}_{{\rm{p}}}^{0.25} $$ (17)

    进一步获得:

    $$ \varphi =-0.009\,234 \sqrt[0.25]{\rho /0.31} $$ (18)

    本次预测了3号、8号、15号煤储层的孔隙度分布。图12为15号煤层孔隙度预测平面分布图,通过15号煤层孔隙度与煤层厚度、煤层含气性对比可知:15号煤孔隙度分布整体较均匀,范围在4%~6%。煤层厚的区域孔隙度较大,含气高部位对应的孔隙度发育较好。

    图  12  15号煤层孔隙度分布
    Figure  12.  Porosity distribution of No.15 coal seam

    采用多尺度边缘检测技术实现对裂缝特征的研究,即利用图像边缘检测理论,对复杂地质体引起地震同相轴横向错断及地震振幅的突变能够有效突显,识别地震信号振幅纵横向强弱变化的边界,实现对小尺度裂缝的刻画识别。与地震相干体相比,多尺度边缘检测能够利用多尺度函数检测算子,不仅对大断裂等大尺度地质异常信号能很好地识别,而且对很多小尺度断裂及裂缝引起细微变化信息进行有效监测,极大的提高了地震裂缝的分辨率。

    1)二维地震小波变换

    通过将三维地震数据的水平切片表示,对$ G(x,y) $进行二维小波变换,首先设二维小波${\varPsi }_{{\rm{s}}}^{\left(1\right)}$(x,y)${\varPsi }_{{\rm{s}}}^{\left(2\right)}$(x,y)在尺度${{ s}}$下的伸缩为:

    $$ \left\{\begin{array}{c}{\varPsi }_{{\rm{s}}}^{\left(1\right)}(x,y)=\dfrac{1}{{\rm{s}}}{\varPsi }^{\left(1\right)}\left(\dfrac{x}{{\rm{s}}},\dfrac{y}{{\rm{s}}}\right) \\ {\varPsi }_{{\rm{s}}}^{\left(2\right)}(x,y)=\dfrac{1}{{\rm{s}}}{\varPsi }^{\left(2\right)}\left(\dfrac{x}{{\rm{s}}},\dfrac{y}{{\rm{s}}}\right)\end{array}\right. $$ (19)

    那么水平切片$ G(x,y) $的二维小波变换由式(20)定义:

    $$ \left\{\begin{array}{c}{\varPsi }_{\rm{s}}^{\left(1\right)}(x,y)=G(x,y){\varPsi }_{\rm{s}}^{\left(1\right)}(x,y)\\ {\varPsi }_{\rm{s}}^{\left(2\right)}(x,y)=G(x,y){\varPsi }_{\rm{s}}^{\left(2\right)}(x,y)\end{array}\right. $$ (20)

    二维小波变换思路在一维小波变化基础上进行,具体形式如式(20)。再进行二进离散化,就可以获得如下形式:

    $$ \left\{\begin{array}{c}{W}_{{2}'}^{\left(1\right)}G(x,y)=G(x,y){\psi }_{{2}'}^{\left(1\right)}(x,y)\\ {W}_{{2}'}^{\left(2\right)}G(x,y)=G(x,y){\psi }_{{2}'}^{\left(2\right)}(x,y)\end{array}\right. $$ (21)

    式(21)表明,$ G(x,y) $的边缘点就是由${W}_{{\rm{s}}}^{x}G(x,y)$与${W}_{{\rm{s}}}^{y}G(x,y)$的模同时取极大的点确定,而边缘方向实际上是给定点$ (x,y) $所在曲面$G(x,y)*{\theta }_{{\rm{s}}}(x,y)$的梯度方向。梯度向量的幅值为:

    $$ {M}_{{\rm{s}}}f(x,y)=\sqrt{{\left|{W}_{{\rm{s}}}^{x}G(x,y)\right|}^{2}+{\left|{W}_{{\rm{s}}}^{y}G(x,y)\right|}^{2}} $$ (22)

    幅角为:

    $$ \alpha ={A}_{{\rm{s}}}G(x,y)=\mathrm{a}\mathrm{r}\mathrm{c}\mathrm{t}\mathrm{g}\frac{\left|{W}_{{\rm{s}}}^{x}G(x,y)\right|}{\left|{W}_{{\rm{s}}}^{y}G(x,y)\right|} $$ (23)

    式中:${W}_{{\rm{s}}}^{x}G(x,y)$与${W}_{{\rm{s}}}^{y}G(x,y)$分别为小波变换后沿x方向的梯度和y方向的梯度;${\theta }_{{\rm{s}}}(x,y)$为小波函数;${A}_{{\rm{s}}}$为一个整体,代表梯度方向。

    2)边缘检测正演成像试验

    地震裂缝识别与图像裂缝识别的原理一样,图像(图13)的每一个像素点都对应一个数值,黑色代表小值,白色代表大值。裂缝检测就是查找某个点与周围点的差异。如果某个点的值与周围点的值差异大于某个阈值,而且相邻点也具有类似特征,且这些点呈线性分布,就认为是一个裂缝。地震检测也是这样,首先把地震数据提取跟断层敏感的属性,比如相干、曲率、方差等属性。空间上每个点代表一个属性值,就可以按照图片中裂缝识别的原理进行地震裂缝预测。

    图  13  多尺度裂缝检测正演成像
    Figure  13.  Multiscale fracture detection forward imaging

    通过对裂缝图片进行裂缝检测正演试验(图13),多尺度边缘检测纵向检测、横向检测,分别能够很好地检测出照片中纵向、横向展布的裂缝;同时利用全方位检测,能更加全面地将纵向和横向的裂缝都检测出来,是一种行之有效的裂缝检测方法。

    横岭区块15号煤层裂隙主要分布在区块西部,断层发育的破碎带裂隙发育好。裂隙密度随着深度增加逐渐减少,煤层裂隙密度平面分布图如图14所示。

    图  14  15号煤层裂隙密度平面分布
    Figure  14.  Plane distribution of fracture density of No.15 coal seam

    前人研究结果显示,煤层埋藏深度、煤层顶板5 m内砂岩厚度和顶板岩性是影响勘探区煤层含气量的3个关键因素[25]。因此,本次研究利用地震反演获得的速度数据体,统计煤层上、下各4 m范围内的速度,用以区分煤层直接顶、底板的岩性。岩石物理分析显示,砂泥岩、砂质泥岩速度部分重叠,但是平均速度和趋势有明显差异,本次采用的是层平均速度来区分的。

    从顶底板岩性分布图(图15图16)可以看出,15号煤层直接顶板主要是砂质泥岩,尤其是区块北部,主要为泥岩,说明顶板对煤层气的封闭能力较强;直接底板主要是砂质泥岩封盖,局部地区为泥岩和砂岩,砂岩分布连片性较差,对煤层气逸散影响不大。总体来说,顶底板对煤层气封闭能力较强。

    图  15  15号煤层直接顶板岩性
    Figure  15.  Lithology of direct roof of No.15 coal seam
    图  16  15号煤层直接底板岩性
    Figure  16.  Lithology of direct floor of No.15 coal seam

    煤层气一般富集在含煤区构造高点、上斜坡区以及背斜向斜相间的褶皱区等构造有利部位,适量的构造裂隙可增加煤层中的裂隙,但对于构造非常复杂的地区,特别是张性断层的存在,将成为煤层气逸散的通道,不利于煤层气的保存,在选择煤层气有利区时,一般应避开构造特别复杂的部位。本次有利区的划分首先是避开构造特别复杂的部位,选择背斜向斜相间的褶皱区等构造有利部位,在此基础上选择储层厚度大、含气显示良好、孔隙度较高的区域作为有利区。

    根据15号煤层含气性分布及构造图,结合15号煤层煤层厚度和孔隙度图,15号煤层共圈定了含气有利区4块(图17),总面积51.41 km2,有利区内气层厚度大,孔隙度发育好。

    图  17  15号煤层有利区分布示意
    Figure  17.  Distribution diagram of favorable areas of No.15 coal seam

    有利区Ⅰ主要分布于区块的北部,SN01线以西,位于DS1向斜的西翼,面积约8.15 km2;有利区Ⅱ主要分布于区块的中北部,EW05线以北,SN01线以东,位于背斜和向斜相间的褶皱区,面积约10.78 km2;有利区Ⅲ分布于区块的西部,EW02线和EW04线之间,位于背斜和向斜相间的褶皱区,面积约15.56 km2;有利区Ⅳ分布于区块的东南部,EW01线和EW03线之间,位于背斜和向斜相间的褶皱区,面积约16.92 km2。除此之外,结合确定的8号、3号煤层气有利区分布情况,以储层厚度分布在6~10 m,气层厚度分布在3~8 m,孔隙度4%~10%之间为标准,圈定了煤层气综合有利区3处。有利区内煤层气有利区Ⅰ主要分布于区块西北部,EW06线以南、SN01线以西,位于DS1向斜的西翼,面积约3.34 km2;煤层气有利区Ⅱ主要分布于区块中西部边界附近,EW02线和EW03线之间,位于DS4背斜的两翼,面积约6.40 km2;煤层气有利区Ⅲ主要分布于区块东南部,位于DS5向斜、DS6背斜、DS7向斜相间的褶皱区,面积约17.27 km2。总面积27.01 km2图18)。

    图  18  煤层气综合有利区分布示意
    Figure  18.  Distribution diagram of favorable areas for coalbed methane

    1)相控非线性随机反演的方法在目的储层反演中取得效果显著,反演分辨率高,与测井吻合,反演剖面对岩性识别效果明显,且与地震波形特征一致,反演结果沉积特征清楚,符合地质特征。在反演速度剖面上,以地层对比为基础确定了3个煤储层小层。

    2)15号煤层整体分布为NNE方向,全区分布稳定,厚度范围为4~7 m;15号煤层在区块中部和北部含气特征明显,厚度最高可达4.5 m;顶底板岩性主要为砂质泥岩、泥岩,煤层气封闭能力较强。

    3)结合叠后反演和叠前反演,对煤层孔隙度进行了预测,15号煤储层的孔隙度分布在4%~6%。通过厚度,含气性和孔隙度图的对比,孔隙度高的地方煤层的厚度及含气性相对较高。

    4)在构造有利部位,综合考虑储层厚度、含气性、孔隙度等因素,圈定了15号煤层气有利区4块,总面积51.41 km2。根据储层厚度分布在6~10 m,气层厚度大,分布在3~8 m,孔隙度4%~8%,确定了煤储层综合有利区4处,总面积41.99 km2

  • 图  1   研究区水文地质综合柱状图

    Figure  1.   Hydrogeological comprehensive histogram of the study area

    图  2   研究区侏罗系地层岩心

    Figure  2.   Jurassic strata core in the study area

    图  3   大海则井田直罗组下段沉积相展布

    Figure  3.   Sedimentary facies distribution of lower Zhiluo Formation in Dahaize Mine Field

    图  4   大海则井田延安组三段沉积相展布

    Figure  4.   Sedimentary facies distribution of three sections of Yan’an formation in Dahaize Mine Field

    图  5   岩石孔隙结构示意

    Figure  5.   Schematic of the pore structure for rock

    图  6   直罗组与延安组典型毛管压力曲线特征及孔隙类型划分

    Figure  6.   Typical capillary pressure curves and pore types of Zhiluo and Yan’an Formation

    图  7   Ⅰ类孔隙结构类型岩样铸体薄片图像

    Figure  7.   Casting thin section of type I pore structure rock samples

    图  8   Ⅱ类孔隙结构岩样铸体薄片图像

    Figure  8.   Casting thin section of type Ⅱ pore structure rock samples

    图  9   直罗组与延安组核磁共振典型T2谱分布特征及孔隙类型划分

    Figure  9.   Typical T2 spectrum distribution of nuclear magnetic resonance and pore types of Zhiluo and Yan’an Formation

    图  10   Ⅲ类孔隙结构岩样铸体薄片图像(YP-40,延安组,长石细砂岩)

    Figure  10.   Casting thin section of type Ⅲ pore structure rock samples

    图  11   Ⅳ类孔隙结构岩样铸体薄片图像(YP-46,延安组,粉砂岩)

    Figure  11.   Casting thin section of type Ⅳ pore structure rock samples

    表  1   研究区含水层划分及其参数

    Table  1   Aquifer division and its parameters in the study area

    含水层厚度/m水位埋深/m单位涌水量/
    (L·s−1·m−1)
    渗透系数/(m·d−1)矿化度/(mg·L−1)水化学类型
    第四系全新统风积沙和上更新
    统萨拉乌苏组含水层
    5.00~85.001.70~8.430.1290~1.09000.479~8.420231.00~391.47HCO3—Ca
    白垩系下统洛河组含水层80.91~397.832.45~11.200.1430~0.46600.066~0.1870.20~413.00HCO3—Na·Ca、
    HCO3—Ca·Na
    侏罗系中统安定组含水层0~108.1010.32~25.430.0030~0.02000.009~0.044398.00~916.00HCO3·SO4—Na·Ca
    中统直罗组至延安
    组2煤顶含水层
    38.60~256.1918.29~41.060.0330~0.27100.067~0.4532017.00~3265.00SO4—Na·Ca
    中统延安组2煤至3煤含水层1.36~31.9126.16~53.220.0004~0.01200.001~0.0221063.00~5819.00SO4—Na·Ca
    三叠系上统瓦窑堡组含水层0.0170~0.11050.018~0.089SO4—Na·Ca、Cl—Na·Ca
    下载: 导出CSV

    表  2   不同时代地层陆源碎屑组分及含量

    Table  2   Statistics of terrigenous detrital composition and content in formation of different ages %

    地层最大~最小(平均)岩屑其他碎屑杂基胶结物
    石英类碎屑长石类碎屑
    直罗组26~58(46.8)6~50(29.7)0~271~41~64~27
    延安组20~77(38.8)10~59(35.5)0~391~161~94~45
    下载: 导出CSV

    表  3   不同时代地层岩石结构特征测试结果

    Table  3   Test results of rock structure characteristics in different ages

    地层最大粒径/mm主要粒径/mm分选磨圆度胶结类型支撑类型接触方式
    直罗组0.20~0.880.01~0.76差—中等次棱角−棱角孔隙式、基底式颗粒点、线、点−线
    延安组0.06~0.750.00~0.50较差—较好次棱角−棱角孔隙式、基底式颗粒点−线、线、点
    下载: 导出CSV

    表  4   研究区部分砂岩样品微观孔隙结构特征及类型划分结果

    Table  4   Results of microscopic pore structure characteristics and classification for some sandstone samples in the study area

    岩样
    编号
    试验
    编号
    地层孔隙
    率/%
    渗透率/
    10−15 m2
    岩性排驱
    压力/MPa
    平均孔喉
    半径/μm
    中值孔喉
    半径/μm
    分选
    系数
    核磁束缚
    水饱和度/%
    T2几何平均
    (饱和)/ms
    孔隙结
    构分类
    ZL-10JC2021116A012直罗组6.1541.600泥质粉砂岩0.0872.0521.4061.842Ⅰ类
    JY820-02bJC2021116A044延安组19.64132.000岩屑长石中粒砂岩0.0194.5074.0183.804Ⅰ类
    ZL-10JC2021116A011直罗组15.0627.900长石粗砂岩0.1171.3680.1431.315Ⅰ类
    ZL-10JC2021116A016直罗组13.5013.000长石粗砂岩0.0872.0121.4011.510Ⅱ类
    ZL-10JC2021116A017直罗组11.768.260长石粗砂岩0.1012.1061.2041.602Ⅱ类
    ZL-10JC2021116A029延安组13.541.130长石细砂岩与泥质粉砂岩0.0194.6133.4633.708Ⅱ类
    YS1-2(1-2)
    8-A
    JC2021116A064直罗组17.2116.500长石细砂岩0.0533.3844.0682.41033.339.4Ⅱ类
    JY820-02bJC2021116A043延安组14.5416.800石英中粒砂岩0.1371.3780.8251.101Ⅱ类
    JY820-02bJC2021116A045延安组17.013.630长石细砂岩0.2620.7300.7720.612Ⅱ类
    JY820-02bJC2021116A047延安组16.126.940长石中粒砂岩0.1091.6471.0631.506Ⅱ类
    ZL-10JC2021116A035延安组1.842.380泥质粉砂岩0.8990.0820.053Ⅱ类
    ZL-10JC2021116A015直罗组18.100.129长石细砂岩3.0370.0490.0320.033Ⅲ类
    ZL-10JC2021116A028延安组8.190.154长石石英细砂岩2.7780.0410.0200.030Ⅲ类
    ZL-10JC2021116A036延安组12.630.248长石石英细砂岩0.8300.1310.1090.095Ⅲ类
    YS8-4(8-2)
    2-B
    JC2021116A066延安组16.680.240长石细砂岩7.0270.0310.0310.015174.84.7Ⅲ类
    ZL-10JC2021116A032延安组12.890.228长石细砂岩1.9900.0720.0360.052Ⅲ类
    ZL-10JC2021116A037延安组10.260.134长石石英细砂岩1.1690.1080.0460.071Ⅲ类
    JY820-02bJC2021116A040延安组15.550.417岩屑长石中粒砂岩1.1980.0890.0430.063Ⅲ类
    JY820-02bJC2021116A041延安组14.160.327长石细砂岩1.6660.0900.0520.059Ⅲ类
    JY820-02bJC2021116A042延安组17.830.363岩屑长石中粒砂岩14.7770.0220.0210.009Ⅲ类
    ZL-10JC2021116A010直罗组7.450.021含泥质粉砂长石细砂岩11.3860.0270.0190.0117Ⅳ类
    ZL-10JC2021116A013直罗组3.310.035含泥质粉砂岩5.9390.0370.0180.018Ⅳ类
    ZL-10JC2021116A021直罗组1.130.024岩屑石英细砂岩18.9600.0200.008Ⅳ类
    ZL-10JC2021116A014直罗组3.970.038粉砂岩7.5370.0330.0170.015Ⅳ类
    JY820-02bJC2021116A038延安组3.320.039长石细砂岩7.0280.0350.0200.017Ⅳ类
    JY820-02bJC2021116A039延安组6.900.011泥质粉砂岩4.9740.0380.0290.020Ⅳ类
    YS1-2(1-2)
    1-B
    JC2021116A063延安组4.970.064粉砂岩6.3630.0300.0200.01574.41.5Ⅳ类
    ZL-10JC2021116A022延安组1.810.018岩屑石英细砂岩22.1340.0180.007Ⅳ类
    ZL-10JC2021116A024延安组2.080.024岩屑石英细砂岩17.5220.0190.008Ⅳ类
    ZL-10JC2021116A025延安组5.370.003长石岩屑粗砂岩4.5720.0420.0180.023Ⅳ类
    ZL-10JC2021116A030延安组9.940.053长石石英细砂岩8.6490.0250.0190.013Ⅳ类
    ZL-10JC2021116A031延安组7.400.040长石细砂岩夹薄层泥岩7.8160.0300.0290.013Ⅳ类
    ZL-10JC2021116A033延安组9.880.021长石细砂岩夹粉砂质泥岩5.3320.0360.0270.019Ⅳ类
    ZL-10JC2021116A034延安组4.610.009泥质粉砂岩7.8720.0280.014Ⅳ类
    JY820-02bJC2021116A046延安组11.930.056粉砂岩5.7480.0330.0260.017Ⅳ类
    JY820-02bJC2021116A048延安组13.320.004长石细砂岩9.6430.0280.0290.011Ⅳ类
    JY820-02bJC2021116A049延安组9.090.007长石细砂岩4.9130.0370.0310.018Ⅳ类
    JY820-02bJC2021116A050延安组6.990.025粉砂岩4.6810.0380.0210.022Ⅳ类
    下载: 导出CSV

    表  5   研究区主要含水层沉积相与单位涌水量

    Table  5   Sedimentary facies and drilling units-inflow statistics of main aquifers in the study area

    序号钻孔号沉积体系沉积
    微相
    岩性厚度/m岩性占比/%砂地比%抽水层段钻孔单位涌水量/(L·s−1·m−1)
    1ZL−6河流河道砂坝粗砂岩42.335.930.635直罗组0.2710
    中砂岩37.6431.98
    细砂岩37.7832.09
    2P25河流河漫滩粗砂岩6.6610.280.401直罗组0.0733
    中砂岩53.3782.37
    细砂岩4.767.35
    3ZK30−11三角洲分流间湾中砂岩12.1968.910.337延安组0.0095
    细砂岩5.5031.09
    4ZK33−17三角洲分流河道中砂岩36.5138.240.698延安组0.0580
    细砂岩58.9661.76
    下载: 导出CSV

    表  6   研究区主要含水层孔隙结构分类与钻孔单位涌水量

    Table  6   Classification of pore structure and units-inflow of drilling for the main aquifer in study area

    岩样编号试验
    编号
    地层
    时代
    岩石定名孔隙结构分类孔隙率/%渗透率/10−15 m2钻孔单位涌水量/(L·s−1·m−1)钻孔编号
    YS1-2(1-2)8-AJC2021116A064直罗组长石细砂岩Ⅱ类17.2116.5000.0417ZL-9
    YS8-4(8-2)2-BJC2021116A066延安组长石细砂岩Ⅲ类16.680.2400.0012ZK27-15
    ZL-10JC2021116A010直罗组含泥质粉砂长石细砂岩Ⅳ类7.450.0210.0117ZL-10
    下载: 导出CSV
  • [1] 王双明,申艳军,孙 强,等. 西部生态脆弱区煤炭减损开采地质保障科学问题及技术展望[J]. 采矿与岩层控制工程学报,2020,2(4):043531.

    WANG Shuangming,SHEN Yanjun,SUN Qiang,et al. Scientific issues of coal detraction mining geological assurance and their technology expectations in ecologically fragile mining areas of Western China[J]. Journal of Mining and Strata Control Engineering,2020,2(4):043531.

    [2] 董书宁,姬亚东,王 皓,等. 鄂尔多斯盆地侏罗纪煤田典型顶板水害防控技术与应用[J]. 煤炭学报,2020,45(7):2367−2375.

    DONG Shuning,JI Yadong,WANG Hao,et al. Prevention and control technology and application of roof water disaster in Jurassic coal field of Ordos Basin[J]. Journal of China Coal Society,2020,45(7):2367−2375.

    [3] 冯 洁,侯恩科,王苏健,等. 陕北侏罗系砂岩沉积控水规律研究[J]. 采矿与安全工程学报,2022,39(3):546−556.

    FENG Jie,HOU Enke,WANG Sujian,et al. The law of sedimentary water control of Jurassic system in northern Shaanxi Province[J]. Journal of Minging and Safety Engineering,2022,39(3):546−556.

    [4] 曾一凡,孟世豪,吕 扬,等. 基于矿井安全与生态水资源保护等多目标约束的超前疏放水技术[J]. 煤炭学报,2022,47(8):3091−3100.

    ZENG Yifan,MENG Shihao,LYU Yang,et al. Advanced drainage technology based on multi-objective constraint of mine safety and water resources protection[J]. Journal of China Coal Society,2022,47(8):3091−3100.

    [5] 武 强,王 洋,赵德康,等. 基于沉积特征的松散含水层富水性评价方法与应用[J]. 中国矿业大学学报,2017,46(3):460−466.

    WU Qiang,WANG Yang,ZHAO Dekang,et al. Water abundance assessment method and application of loose aquifer based on sedimentary characteristics[J]. Journal of China University of Mining and Technology,2017,46(3):460−466.

    [6] 武 强,许 珂,张 维. 再论煤层顶板涌(突) 水危险性预测评价的“三图-双预测法”[J]. 煤炭学报,2016,41(6):1341−1347.

    WU Qiang,XU Ke,ZHANG Wei. Further research on "three maps-two predictions" method for prediction on coal seam roof water bursting risk[J]. Journal of China Coal Society,2016,41(6):1341−1347.

    [7] 侯恩科,童仁剑,王苏健,等. 陕北侏罗纪煤田风化基岩富水性 Fisher 模型预测方法[J]. 煤炭学报,2016,41(9):2312−2318.

    HOU Enke,TONG Renjian,WANG Sujian,et al. Prediction method for the water enrichment of weathered bedrock based on Fisher model in Northern Shaaxi Jurassic coalfield[J]. Journal of China Coal Society,2016,41(9):2312−2318.

    [8] 代革联,杨 韬,周 英,等. 神府矿区柠条塔井田直罗组地层富水性研究[J]. 安全与环境学报,2016,16(4):144−147.

    DAI Gelian,YANG Tao,ZHOU Ying,et al. Exploration of the water-abundant sandstone geological features of Ningtiaota Ida Nao Luo in Shenfu mining area[J]. Journal of Safety and Environment,2016,16(4):144−147.

    [9] 曾一凡,武 强,杜 鑫,等. 再论含水层富水性评价的“富水性指数法”[J]. 煤炭学报,2020,45(7):2423−2431.

    ZENG Yifan,WU Qiang,DU Xin,et al. Further research on "water-richness index method" for evaluation of aquifer water abundance[J]. Journal of China Coal Society,2020,45(7):2423−2431.

    [10] 王 洋,武 强,丁 湘,等. 深埋侏罗系煤层顶板水害源头防控关键技术[J]. 煤炭学报,2019,44(8):2449−2459.

    WANG Yang,WU Qiang,DING Xiang,et al. Key technologies for prevention and control of roof water disaster at sources in deep Jurassic seams[J]. Journal of China Coal Society,2019,44(8):2449−2459.

    [11] 郭小铭,王 皓,周麟晟. 煤层顶板巨厚基岩含水层空间富水性评价[J]. 煤炭科学技术,2021,49(9):167−175.

    GUO Xiaoming,WANG Hao,ZHOU Linsheng. Evaluation of spatial water enrichment of ultra-thick bedrock aquifer in coal seam roof[J]. Coal Science and Technology,2021,49(9):167−175.

    [12] 郭继亮,李宏兵,张 研,等. 受孔隙形态影响的碳酸盐岩孔隙率反演[J]. 地球物理学进展,2017,32(1):146−151. doi: 10.6038/pg20170120

    GUO Jiliang,LI Hongbing,ZHANG Yan,et al. Inverting carbonate reservoir porosity affected by pore aspect ratio[J]. Progress in Geophysics,2017,32(1):146−151. doi: 10.6038/pg20170120

    [13] 蒋明镜,胡海军,彭建兵,等. 地裂缝区黄土和充填土持水曲线的测试与计算[J]. 同济大学学报(自然科学版),2012,40(12):1795−1801. doi: 10.3969/j.issn.0253-374x.2012.12.009

    JIANG Mingjing,HU Haijun,PENG Jianbing,et al. Measurement and calculation of water retention curves of loess and filling about ground fissure[J]. Journal of Tongji University(Natural Science),2012,40(12):1795−1801. doi: 10.3969/j.issn.0253-374x.2012.12.009

    [14] 侯晓坤,李同录,谢 萧,等. 甘肃Q3原状黄土的微观结构对其土一水特征曲线的影响[J]. 水利学报,2016,47(10):1307−1314.

    HOU Xiaokun,LI Tonglu,XIE Xiao,et al. Effect of undisturbed Q3 loess’s microstructure on its SWCC[J]. Journal of Hydraulic Engineering,2016,47(10):1307−1314.

    [15] 宋 磊,宁正福,孙一丹,等. 联合压汞法表征致密油储层孔隙结构联合压汞法表征致密油储层孔隙结构[J]. 石油实验地质,2017,39(5):700−705. doi: 10.11781/sysydz201705700

    SONG Lei,NING Zhengfu,SUN Yidan,et al. Pore structure characterization of tight oil reservoirs by a combined mercury method[J]. Petroleum Geology and Experiment,2017,39(5):700−705. doi: 10.11781/sysydz201705700

    [16] 喻 建,马 捷,路俊刚,等. 压汞—恒速压汞在致密储层微观孔喉结构定量表征中的应用: 以鄂尔多斯盆地华池—合水地区长 7 储层为例[J]. 石油实验地质,2015,37(6):789−795.

    YU Jian,MA Jie,LU Jungang,et al. Application of mercury injection and rate-controlled mercury penetration in quantitative characterization of microscopic pore structure of tight reservoirs: A case study of the Chang 7 reservoir in Huachi-Heshui area, the Ordos Basin[J]. Petroleum Geology and Experiment,2015,37(6):789−795.

    [17] 何顺利,焦春艳,王建国,等. 恒速压汞与常规压汞的异同[J]. 断块油气田,2011,18(2):235−237.

    HE Shunli,JIAO Chunyan,WANG Jianguo,et al. Discussion on the differences between constant-speed mercury injection and conventional mercury injection techniques[J]. Fault-Block Oil and Gas Field,2011,18(2):235−237.

    [18] 杨 涛,谢 俊,周巨标,等. 低孔-特低渗砂岩储层可动流体核磁共振特征及成因: 以王龙庄油田 T89断块阜宁组二亚段为例[J]. 山东科技大学学报(自然科学版),2018,37(1):119−126.

    YANG Tao,XIE Jun,ZHOU Jubiao,et al. NMR features and contributing factors of movable fluid in low porosity and ultra-low permeability sandstone reservoir: Taking the 2nd member of Funing Formation in T89 Block of Wanglongzhuang Oilfield as an example[J]. Journal of Shandong University of Science and Technology(Natural Science),2018,37(1):119−126.

    [19] 公言杰,柳少波,赵孟军,等. 核磁共振与高压压汞实验联合表征致密油储层微观孔喉分布特征[J]. 石油实验地质,2016,38(3):389−394. doi: 10.11781/sysydz201603389

    GONG Yanjie,LIU Shaobo,ZHAO Mengjun,et al. Characterization of micro pore throat radius distribution in tight oil reservoirs by NMR and high pressure mercury injection[J]. Petroleum Geology and Experiment,2016,38(3):389−394. doi: 10.11781/sysydz201603389

    [20] 肖佃师,卢双舫,陆正元,等. 联合核磁共振和恒速压汞方法测定致密砂岩孔喉结构[J]. 石油勘探与开发,2016,43(6):961−970.

    XIAO Dianshi,LU Shuangfang,LU Zhengyuan,et al. Combining nuclear magnetic resonance and rate-controlled porosimetry to probe the pore-throat structure of tight sandstones[J]. Petroleum Exploration and Development,2016,43(6):961−970.

    [21] 杜相仪,董少群,曾联波,等. 碳酸盐岩铸体薄片面孔自动提取研究[J]. 地质论评,2021,67(6):1910−1921.

    DU Xiangyi,DONG Shaoqun,ZENG Lianbo,et al. Study of automatic extraction porosity using cast thin sections for carbonates[J]. Geological Review,2021,67(6):1910−1921.

    [22] 吴松涛,朱如凯,李 勋,等. 致密储层孔隙结构表征技术有效性评价与应用[J]. 地学前缘,2018,25(2):191−203.

    WU Songtao,ZHU Rukai,LI Xun,et al. Evaluation and application of porous structure characterization technologies in unconventional tight reservoirs[J]. Earth Science Frontiers,2018,25(2):191−203.

    [23] 储小送,屈争辉,郭志军,等. 碎粉煤中孔隙特性及对冰冻响应试验研究[J]. 煤炭科学技术,2015,43(9):117−121.

    CHU Xiaosong,QU Zhenghui,GUO Zhijun,et al. Study on fine coal porosity features and response to seam freezing[J]. Coal Science and Technology,2015,43(9):117−121.

    [24] 冯 洁,侯恩科,王苏健,等. 陕北侏罗系沉积控水规律与沉积控水模式研究[J]. 煤炭学报,2021,46(5):1614−1629.

    FENG Jie,HOU Enke,WANG Sujian,et al. The law of sedimentary water control of Jurassic System in Northern Shaanxi Province[J]. Journal of China Coal Society,2021,46(5):1614−1629.

    [25] 王苏健,冯 洁,侯恩科,等. 柠条塔井田砂岩微观孔隙结构类型及其对含水层富水性的影响[J]. 煤炭学报,2020,45(9):3236−3244.

    WANG Sujian,FENG Jie,HOU Enke,et al. Microscopic pore structure types of sandstone and its effects on aquifer water abundance: Taking in Ningtiaota Coal Mine as an example[J]. Journal of China Coal Society,2020,45(9):3236−3244.

    [26] 李雄炎,秦瑞宝,曹景记,等. 复杂储层连通孔隙率评价与渗透率定量计算方法[J]. 石油地球物理勘探,2022,57(2):377−385, 245.

    LI Xiongyan,QIN Ruibao,CAO Jingji,et al. Method of connected porosity evaluation and quantitative permeability calculation for complex reservoirs[J]. Oil Geophysical Prospecting,2022,57(2):377−385, 245.

  • 期刊类型引用(1)

    1. 杨欢欢,王占辉,李依霖,李彩云,吴艳玲,董玉. 2020—2021年承德市生活饮用水中氟化物检测结果分析. 医学动物防制. 2024(05): 517-521 . 百度学术

    其他类型引用(0)

图(11)  /  表(6)
计量
  • 文章访问数:  142
  • HTML全文浏览量:  33
  • PDF下载量:  90
  • 被引次数: 1
出版历程
  • 收稿日期:  2023-03-19
  • 网络出版日期:  2023-06-25
  • 刊出日期:  2023-07-24

目录

/

返回文章
返回