0 引 言
构造煤是指在构造应力作用下，煤体原生结构发生不同程度的碎裂变形而形成的一类煤，其孔隙结构、大小、分布状况和发育程度存在较大的差异，因此煤体结构的研究对煤层气富集和开采具有重要意义[1]。韩城区块经过多年的勘探开发，煤层气开采状况较好、成效显著，但区内煤体结构复杂，而不同煤体结构煤层的孔渗、含气性、临界解吸压力、气体赋存状态和气体产出等特征都存在较大差异，这也将进一步增大煤层气开采的难度，严重制约了煤层气的后期开采[2-3]。笔者以韩城矿区H3井组为研究对象，建立煤体结构判识模型，厘清韩城矿区H3井组煤体结构的空间分布特征，明确研究区煤体结构的分布规律，从而为研究区后续开采提供参考。
通过研究不同煤体结构的测井响应特征，采用测井曲线判识煤体结构受到广大学者的青睐[4]。文献[5-6]利用岩心描述和测井响应特征对煤体结构进行定性识别，该方法操作难度相对较高且远不能满足现今煤层气开采的需要。近年来，一些学者通过对测井曲线进行特殊的处理手段或利用相关参数建立模型等方法实现了对煤体结构的定量判识，具有一定的可行性。姚军朋等提出利用孔隙结构指数m作为构造煤定量判识指标[7]；谢学恒等[8]基于对测井曲线特征的研究，提出了利用煤体结构指数N作为煤体结构的定量判识指标；马国栋等[9]利用小波多尺度分析方法提取了测井曲线中的低频分量和中频分量，再以二者作为输入，利用聚类分析法划分不同类型的构造煤；陈粤强等[2]通过引入地质强度因子GSI对煤体结构赋值，建立多元回归方程的方法进行定量识别煤体结构。
尽管有很多学者提出了定量判识煤体结构的方法或模型，但这些识别方法或模型反映的仅为井点煤岩的煤体结构，不能明确表征煤体结构的空间分布特征和分布规律。笔者认为储层三维地质建模是表征储层物性特征的重要手段，可以较好地刻画井间区域的物性特征。目前建立定量地质模型的方法主要有确定性建模和随机性建模[10-11]，确定性建模能够实现在井间未知区域的确定性预测[12]；随机性建模则以随机函数为理论基础，采用随机模拟的方法，能够在井间未知区域产生多种预测结果，最终依据地质约束，得到符合实际情况的地质模型，能够较好地体现出储层的非均质性，因此随机性建模在煤储层表征中应用广泛[13]。
笔者通过分析补偿密度、声波时差、井径测井等曲线对煤体结构的响应情况，建立煤体结构指数N和深侧向电阻率与微球聚焦电阻率比值R(LLD/MSFL)双参数判识煤体结构模型，对研究区5号和11号煤层的煤体结构进行反演计算；基于随机建模思路，建立研究区煤体结构的三维地质模型，分析煤体结构的分布特征，明确煤体结构的发育规律，从而为后续开发提供有力支撑。
1 研究区地质概况
韩城矿区位于鄂尔多斯盆地东南缘，渭北煤田东北缘，整体表现为走向北东、倾向北北西的单斜构造[14]。区内断层发育，以小断层为主，区块中部发育一条由东西走向逐渐过渡到北东向延展的正断层，将韩城矿区分为南区和北区两部分。北区构造影响较小，仅发育3条小断层，呈北西向展布；南区受构造影响较大，断层发育[15]。H3井组分布于韩城矿区南区，煤层受构造活动影响较大，构造煤发育，对煤层气开采造成较大影响(图1)。
图1 研究区位置及构造纲要图[15]
Fig.1 Study area location and structure outline map
韩城矿区地层发育，主要含煤地层为上石炭统太原组和下二叠统山西组，主要可采煤层有3、5、11号，煤层厚度较大，分布较为广泛。笔者选取全区资料较为充分的5号和11号煤层作为研究对象。
2 煤体结构及其测井响应特征
2.1 煤体结构分类
为了较准确地分析不同煤体结构的测井响应特征，必须对研究区煤心的煤体结构类型进行合理划分。煤体结构类型通常可划分为：原生结构煤、碎裂煤、碎粒煤和糜棱煤4种[16]。大多数学者根据自身对煤体结构的认识和研究目的的不同而将构造煤划分成不同的类型。本次研究根据研究区所采样品的实际破碎程度以及借鉴前人的研究综合分析，将韩城矿区煤层的煤体结构划分为3类：Ⅰ类煤：原生-碎裂煤；Ⅱ类煤：碎裂-碎粒煤；Ⅲ类碎粒-糜棱煤。其中原生-碎裂煤煤体轻微破坏，整体结构保存完整，以亮煤为主，含少量暗煤，可见割理，煤心呈块状及粒状；碎裂-碎粒煤煤体中度破坏，为碎块状，灰黑色，以暗煤为主，含少量亮煤，煤体结构破碎，以粒状为主，含少量碎块，割理无法观测；碎粒-糜棱煤煤体严重破坏，呈现粉-粒状，灰黑色，以暗煤为主，含少量亮煤，煤体结构破碎，以粉状为主，割理无法观测。
2.2 测井响应特征
不同构造煤在测井曲线上呈现不同的表现特征，因此结合测井原理和煤岩的理化特征，分析构造煤的测井响应特征(图2)。
1)补偿密度特征：不同煤体机构煤岩的破坏程度不同，随着破碎程度的增加，煤岩中孔裂隙增加，煤岩密度相对减小。
2)声波时差特征：声波在煤层中的传播速度与煤岩的煤体结构有极大的相关性，煤岩破碎程度越大，煤岩整体越疏松，声波传播速度减慢，声波时差将明显增大。
3)井径测井特征：煤岩破碎程度越大，钻井过程中越易出现井壁坍塌，扩径越严重。
4)电阻率测井特征：由于煤岩的破碎，煤岩中孔裂隙更加发育，使得地层水和泥浆滤液充填煤层，增加煤岩的导电性，因此在构造煤越发育的层段电阻率有较为明显的减小。
5)自然伽马测井特征：自然伽马反映出煤层中放射性物质的丰度，在构造煤层段地层流体等物质更易充填到煤岩中，因此自然伽马有增大的趋势。
图2 H井煤岩测井响应特征
Fig.2 Logging response characteristics of H well
3 构造煤定量判识研究
3.1 定量判识方法
通过对研究区构造煤的测井响应特征进行分析，可以看出：煤体结构的判识无法通过单一参数曲线识别，而应该通过测井曲线的组合来放大构造煤的特征。研究区中构造煤主要表现为低密度、高声波时差和大扩径的特征；因此选择补偿密度、补偿声波、井径值建立煤体结构指数N，放大构造煤的响应特征[11]。此外，在煤层中随着煤岩破碎程度的增加，导致泥浆侵入地层，使得微球聚焦电阻率(MSFL)发生较大的变化，而在原生煤层段变化较不明显；而深侧向电阻率(LLD)探测深度较大，较好地反映原状地层电阻率，在煤岩层段变化较小，因此R能够较好地对构造煤和原生构造煤进行划分。为了使判识结果更加具有准确性，减少单一参数在判识过程中产生的误差，故采用N和R双参数判识煤体结构的方法，通过建立N-R双参数交汇图，从而达到定量判识煤体结构的目的。煤体结构指数(N)的表达式为：
其中：AC为补偿声波测井值，μs/m；CAL为井径测井值，cm；DEN为补偿密度测井值，g/cm3；LLD代表深侧向电阻率，Ω·m；MSFL为微球聚焦电阻率，Ω·m。
3.2 定量判识结果
选取5号煤样21个，11号煤样24个，根据煤样描述资料及煤样图片分析划分出煤体结构类型，根据测井数据分别计算出对应煤样的N和R的值，从而建立了5号和11号煤岩N与R的交汇图(图3)。
图3 煤体结构N-R双参数交汇示意
Fig.3 N-R dual-parameter intersection diagram of coal structure
由图2可以看出，不同类型构造煤在N-R交汇图中呈现较好的分区特征。其中，5号煤层不同类型构造煤的识别标准为：N<40且R<81为Ⅰ类煤；N<42且82<R<108为Ⅱ类煤；65
表1 煤体结构划分标准
Table 1 Classification standard of coal structure
煤层参数Ⅰ类Ⅱ类Ⅲ类5号N<40<4265～95R<8182～108<9511号N<4228～4755～89R<7072～11049～99
3.3 判识方法的验证
依据所得的煤体结构判识模型，对参数井煤层进行煤体结构划分，并与通过煤岩描述资料所得的判断结果进行比较，验证判识模型的有效性。
以H3-1井5号煤层为例，根据实际取心分析煤岩煤体结构主要为粉煤和碎粒煤，采用以上判识模型，计算结果见表2，其中79.8<N<92.9且9.4<R<39.2，因此解释出的粉煤和碎粒煤均属于Ⅲ类煤，煤体严重破坏，呈现粉-粒状，对后续开采有极大影响。
在H3-2井11号煤层层段，根据岩心描述煤体结构为原生结构煤，煤体呈块状。根据煤体结构判识模型，计算结果见表2，其中22.2<N<33.3且R<11.7，属于Ⅰ类煤。
在H3-3井5号煤层层段，根据煤心描述煤体结构为碎裂煤，煤体呈碎块状，煤岩棱角基本消失。根据煤体结构判识模型，计算结构见表2，其中N<11且84.4<R<101.75，属于Ⅱ类煤。
以上3口井的判识结果与煤心描述相一致，因此说煤体结构判识模型可用。
4 煤体结构地质建模
三维储层地质建模是指运用计算机建模软件建立高精度的储层地质模型，对储层内部结构进行精细解剖，进一步解释、研究储层物性的三维空间分布规律，表征储层的属性及特征，为下一步的油气藏数值模拟提供数据。通过储层地质建模可以建立储层构造格架，对储层的物性进行评估，预测储层内部油气的空间分布，指导后续优选加密井井位及水平井钻进轨迹，以提高油气最终采收率，故储层地质建模是油气藏描述的核心内容。笔者借助Petrel2015软件完成研究区地质模型的建立。
4.1 构造模型的建立
构造模型是地质建模的基础，主要包括层面模型、断层模型和网格设计，由于H3井组断层不发育，因此仅建立研究区层面模型[17-19]。根据测井识别和划分的分层数据，应用收敛差值法建立5号和8号煤层的层面模型[12](图4)。从建立的层面模型可以看出，研究区煤层构造深-180～62 m，为一向北北西倾斜的单斜构造，与实际地质认识一致。网格设计过程中充分考虑了实际的地质认识和计算的精度，平面上将网格步长设计为20 m，纵向上为0.5 m，总网格数量1 496 656个，实现构造模型的建立。
图4 研究区层面模型
Fig.4 Study area horizon model
4.2 煤体结构模型的建立
随着煤层气的深入勘探开发，煤体结构对煤层气开采的影响越来越受到重视，但针对煤储层的煤体结构模型却没有进行过相应研究，因此建立煤体结构的三维地质模型对煤层气后期深入研究以及开发具有重要意义。
依据建立的煤体结构判识模型，计算得到研究区29口井的煤体结构判识结果，以此为基础采用序贯高斯模拟算法，模拟得到研究区煤体结构模型，研究煤体结构分布规律。从建立的模型看出：5号煤层煤体结构主要以Ⅲ类煤和Ⅰ类煤为主，其中Ⅲ类煤占43%,主要分布于研究区东北侧，Ⅰ类煤约占37%，大面积分布于研究区西侧和东南侧，东侧零星分布；Ⅱ类煤仅占9.2%，零星分布于整个研究区；还有少部分夹矸(占10.9%)，厚度较薄，被夹于各构造煤之间(图5)。
图5 5号煤层煤体结构分布
Fig.5 No.5 coal seam coal structure distribution map
11号煤层煤体结构主要以Ⅰ类煤为主，约占62%,基本遍布于整个研究区，厚度也相对较厚；Ⅱ类煤和Ⅲ类煤较少，各占20.6%和12.1%，其中Ⅱ类煤主要分布于研究区西部，Ⅲ类煤主要分布于研究区中部，少部分分布于东侧，二者厚度较薄，被夹于Ⅰ类煤内部，夹矸相对较少(占5.5%)(图6)。
图6 11号煤层煤体结构分布
Fig.6 No.11 coal seam coal structure distribution map
总体而言，研究区5号煤层受构造应力改造严重，平面上和垂向上煤体结构变化较大。11号煤层受构造应力影响较小，平面和垂向上煤体结构变化较小，整体较为稳定。因为煤体结构对煤储层物性特征影响较大，有些学者分析了不同煤体结构煤储层的孔裂隙特征及其与煤岩渗透率之间的关系，认为破裂煤对煤层气产出有利[20-22]。因此，研究区内Ⅱ类煤集中的区域有利于煤层气的产出，由此推测5号煤层在研究区西侧区域以及东南区域孔渗性相对较好，11号煤层在研究区东部区域孔渗性相对较好。
5 结 论
1)韩城H3井组煤岩的煤体结构可以分为Ⅰ、Ⅱ、Ⅲ类，不同煤体结构的声波时差、电阻率、井径、密度等测井曲线差异明显，据此建立N-R双参数交汇图的方法进行煤体结构判识：5号煤层中，N<40且R<81为Ⅰ类煤，N<42且82<R<108为Ⅱ类煤，65<N<95且R<95为Ⅲ类煤；11号煤层中，N<42且R<70为Ⅰ类煤，28<N<47且72<R<110为Ⅱ类煤，55<N<89且49<R<99为Ⅲ类煤，煤体结构判识模型精度较高。
2)三维地质建模是储层表征的重要手段，可实现储层的三维可视化。在高精度构造模型的基础上采用随机建模方法建立研究区5号和11号煤层的煤体结构模型。其中，5号煤层主要以Ⅲ类煤和Ⅰ类煤为主，分别为43%和37%；而11号煤层煤体结构主要以Ⅰ类煤为主，约占62%，Ⅱ类煤和Ⅲ类煤较少，各占20.6%和12.1%。总体来看，研究区5号煤层受构造改造作用较强，煤体破碎严重，而11号煤层煤体结构保存相对完整，对煤层气开采具有积极作用。
[1] 邓绪彪,胡青峰,魏思民.构造煤的成因-属性分类[J].工程地质学报,2014,22(5): 1008-1014.
DENG Xubiao,HU Qingfeng,WEI Simin.Genesis and property classification of tectonic coal[J].Journal of Engineering Geology,2014,22(5):1008-1014.
[2] 陈粤强,张晓宏,浦静怡.利用测井参数定量识别韩城矿区北区煤体结构 [J].煤炭科学技术,2017,45(9): 42-46,91.
CHEN Yueqiang,ZHANG Xiaohong,PU Jingyi.Logging parameters applied to quantitatively identify coal structure in Northern Hancheng Mining Area[J].Coal Science and Technology,2017,45(9)：42-46,91.
[3] 张小东,李朋朋,衡 帅,等.煤体结构对煤层气吸附-解吸及产出特征的影响 [J].煤田地质与勘探,2016,44(4): 40-45.
ZHANG Xiaodong,LI Pengpeng,HENG Shuai,et al.The influence of coal body structure on adsorption-desorption and releasing characteristics of coalbed methane[J].Coal Geology & Exploration,2016,44(4):40-45.
[4] 刘振明,王延斌,韩文龙,等.基于测井资料的BP神经网络的煤体结构预测 [J].中国煤炭,2018,44(6): 38-41,55.
LIU Zhenming,WANG Yanbin,HAN Wenlong,et al.Prediction of coal structure with BP neuralnet work based on shaft logging data[J].China Coal,2018,44(6):38-41,55.
[5] 孟召平,刘珊珊,王保玉,等.晋城矿区煤体结构及其测井响应特征研究 [J].煤炭科学技术,2015,43(2): 58-63,7.
MENG Zhaoping,LIU Shanshan,WANG Baoyu,et al.Study on feature of coal body structure and logging response in Jincheng Mining Area[J].Coal Science and Technology,2015,43(2): 58-63，7.
[6] 徐光波,赵金环,崔周旗,等.沁水盆地南部安泽区块煤体结构测井识别研究 [J].煤炭科学技术,2018,46(5): 179-184，53.
XU Guangbo,ZHAO Jinhuan,CUI Zhouqi,et al.Study on well logging identification of coal structure in Anze Block of southern Qinshui Basin[J].Coal Science and Technology,2018,46(5): 179-184，53.
[7] 姚军朋,司马立强,张玉贵.构造煤地球物理测井定量判识研究 [J].煤炭学报,2011,36(S1): 94-98.
YAO Junpeng,SIMA Liqing,ZHANG Yugui.Quantitative identification of deformed coals by geophysical logging[J].Journal of China Coal Society,2011,36(S1): 94-98.
[8] 谢学恒,樊明珠.基于测井响应的煤体结构定量判识方法 [J].中国煤层气,2013 (5): 27-29，33.
XIE Xueheng,FAN Mingzhu.Quantitative identificati on of deformed coals based on logging response[J].China Coalbed Methane,2013(5): 27-29,33.
[9] 马国栋,陈同俊,崔若飞.测井曲线识别构造煤实例研究 [J].地球物理学进展,2017,32(3): 1208-1216.
MA Guodong,CHEN Tongjun,CUI Ruofei.Identificati on of tectonically deformed coal using well logs:a case study[J].Progress in Geophysics,2017,32(3): 1208-1216.
[10] FANCHIJR.Chapter2 - Geological Modeling[M]//FANCHIJR.Principles of Applied Reservoir Simulation (Fourth Edition).Gulf Professional Publishing,2018: 9-33.
[11] ZU X F,HOU W S,ZHANG B Y,et al.Overview of three-dimensional geological modeling technology[J].IERI Procedia,2012(2):921-927.
[12] 尹 欢.三维地质模型的建立[D].荆州：长江大学,2016.
[13] JISKANIIM,SIDDIQUIFI,PATHANAG.Integrated 3D geological modeling of Sonda-Jherruck coal field,Pakistan[J].Journal of Sustainable Mining,2018,17(3): 111-119.
[14] 崔 剑,要惠芳,刘利宝.韩城地区煤层气有利区优选[J].煤炭技术,2018,37(3):49-51.
CUI Jian,YAO Huifang,LIU Libao.Targeting favorable area for coalbed methane in hancheng area[J].Coal Technology,2018,37(3): 49-51.
[15] 伊 伟,熊先钺,卓 莹,等.韩城矿区煤储层特征及煤层气资源潜力 [J].中国石油勘探,2017,22(6): 78-86.
YI Wei,XIONG Xianyue,ZHUO Ying,et al.Coal reservoirs and CBM potentials in Hancheng mining area[J].China Petroleum Exploration,2017,22(6): 78-86.
[16] 赵培华,杨 玲,万金彬.煤层气资源开发现状及测井技术攻关方向 [J].测井技术,2014,38(5): 505-509.
ZHAO Peihua,YANG Ling,WAN Jinbin.Resources development status and research direction of logging technology in coalbed methane industry[J].Well Logging Technology,2014,38(5): 505-509.
[17] 淮银超,张 铭,杨龙伟,等.基于相控的煤层气藏三维地质建模 [J].地球科学与环境学报,2017,39(2): 275-285.
HUAI Yinchao,ZHANG Ming,YANG Longwei,et al.Facies-controlled three-dimensional geological modeling for coalbed methane reservoir[J].Journal of Earth Sciences and Environment,2017,39(2): 275-285.
[18] 郑海桥,陈义才.涪陵地区焦石坝构造龙马溪组页岩气地质建模 [J].重庆科技学院学报：自然科学版,2016,18(2): 5-9.
ZHENG Haiqiao CHEN Yiyi.Geological modeling of longmaxi shale gas in Jiaoshiba,Fuling Area[J].Journal of Chongqing University of Science and Technology:Natural Sciences Edition,2016,18(2): 5-9.
[19] 王 焕,冯 方,马彩琴,等.亚诺斯盆地DC区块储层井震结合三维地质建模 [J].合肥工业大学学报：自然科学版,2017,40(5): 673-678.
WANG Huan,FENG Fang,MA Caiqin,et al.3D geological modeling with well and seismic data of DC block in Llanos foreland basin[J].Journal of Hefei University of Technology:Natural Science,2017,40(5): 673-678.
[20] LI Song,TANG Dazhen,XU Hao,et al.Advanced characterization of physical properties ofcoals with different coalstructures by nuclear magnetic resonance and X-raycomputed tomography[J].Computers & Geosciences,2012,48: 220-227.
[21] 叶桢妮,侯恩科,段中会,等.不同煤体结构煤的孔隙-裂隙分形特征及其对渗透性的影响 [J].煤田地质与勘探,2019.http://kns.cnki.net/kcms/detail/61.1155.P.20190403.1457.004.html..
YE Zhenni,HOU Keen,DUAN Zhonghui,et al.Pores and microfracturesfractal characteristics of coals with different coal body structure and its effect on permeability[J].Coal Geology & Exploration,2019.http://kns.cnki.net/kcms/detail/61.1155.P.20190403.1457.004.html.
[22] FU X,QIN Y,WANG GGX,et al.Evaluation of coal structure and permeability with the aid of geophysical logging technology[J].Fuel,2009,88(11): 2278-2285.
