芦岭井田煤储层属性预测与随机建模

摘要

与常规油气碎屑岩储层比较,储层地质建模技术在煤储层属性空间变异表征,以及在煤层气资源评价到煤层气开发各阶段的应用研究还存在明显不足和研究空白。为此,通过厘清煤储层非均质性基本特征,提出煤储层非均质性概念模型,给出精细定量煤储层地质学主要研究内容的初步设想;以此为指导,选择安徽省淮北矿区芦岭井田为研究区,围绕8号煤层属性井间定量预测的数学模型、煤储层随机建模、储层地质模型在煤层气资源量评价中的应用开展研究,并使用空间地质模型分析技术,探讨煤层气富集的地质控制特征。
　　为提高煤储层属性井间预测的精度和储层地质建模需要,首次建立了基于最优克隆差分进化算法(OCDE)的径向基函数神经网络预测模型(RBFNN),设立了插值方法的拟合精度评价指标—标准均方根误差(NRMSE)和预测精度评价指标—平均相对误差百分比(MREP)。在二维空间中,84个训练样本,煤层厚度、挥发分产率、灰分产率、水分含量预测精度指标MREP都小于或等于10％。不同训练样本集条件下,与克里金插值比较,RBFNN方法对煤层厚度、灰分产率、水分含量等3个属性插值精度评价指标NRMSE和MREP都明显小于克里金,拟合精度和预测精度显著高于克里金。煤层属性样本分布的非正态性和变异程度对本文方法和克里金方法的插值精度会产生影响。原始数据呈非正态分布且变异程度大的煤储层属性,本文RBFNN预测方法具有显著优势。插值方法的拟合精度和预测精度具有明显的相关关系。三维空间中,RBFNN插值预测精度和拟合精度评价结果与二维相似,插值的预测精度和拟合精度都很高,且同样受到样本原始数据分布特征和变异程度的制约。
　　利用RBFNN插值进行非条件模拟,改进估计加模拟误差法(ESE)随机模拟技术,进行二维平面随机建模,得到煤储层属性50次随机地质模型。这些模型具有比非条件模拟更丰富的储层属性空间变异信息,体现了储层属性空间变异的不确定性变化。利用Petrel软件,分别对挥发分产率、水分含量、灰分产率、煤层气含量、孔隙度等属性进行三维随机建模。
　　在ArcGIS平台上,建立了煤层气资源量确定性地质模型评价方法,计算获得煤层气资源量21.44×108m3。利用二维平面随机建模实现,计算出50个煤层气资源量数据,煤层气资源量的平均值为22.48×108m3,变化范围20.84-25.75×108m3,标准偏差为0.981。为获取更加丰富的煤层气资源量空间变异信息,首次提出基于栅格像元的煤层气资源量概率空间变异分析方法,计算获得多个基于不同资源量阀值的煤层气资源量概率空间分异图,进一步刻画了煤层气资源量空间变异格局。
　　采用ArcGIS及Petrel软件中的地图制图、二维及三维空间地质模型分析技术,探讨煤层气资源量空间变异的地质控制。研究表明:井田西段北部是煤层气资源量的一个高丰度及高概率区,与王格庄向斜地理位置吻合,显示区内向斜构造有利于煤层气的富集。在井田中段,较大的煤储层厚度导致煤层气资源量较富集。井田东段小史家背斜两翼断层牵引构造发育,后期不同程度的扭性应力改造形成了断面压实带,使得小史家背斜两翼煤层气资源丰度较高。高煤层气资源丰度区一般对应渗透性较低的泥岩顶板和底板,特低煤层气资源丰度区基本上都对应粉砂岩或砂岩等渗透性稍高的岩性顶板和底板。泥质夹矸对煤层气具有一定程度的圈闭效应。
　　论文研究意义是:建立起一种新的煤储层非均质性井间预测方法,为精细定量煤储层地质学的储层定量表征提供了新思路与技术;以高精度井间预测数学模型为基础建立起的煤储层随机建模新算法,丰富了储层地质建模的技术方法;研究区储层地质建模技术的相关应用研究,为精细定量煤储层地质学基本理论与技术在煤层气资源勘探开发中的实际应用提供参考;基于GIS及Petrel软件的空间地质模型分析技术,为煤层气富集的地质控制因素分析提供了新途径。
　　论文含插图50幅,表格14个,参考文献184篇。

目录

封面

声明

论文审阅认定书

致谢

中文摘要

英文摘要

目录

图清单

表清单

变量注释表

1 引言

1.1 研究意义（Significance of Dissertation）

1.2研究现状（Present Research）

1.3 研究展望与主要研究问题（Research Prospect and Problems）

1.4研究内容及方法(Research Contents and methods)

2 芦岭井田地质概况

2.1芦岭井田概况（Introduction to Luling Coal Field）

2.2 地层（Stratum）

2.3 构造（Geological Structure） 2.3.1区域构造

2.4 煤层（Coal Seam） 2.4.1 含煤性

2.5 煤层含气性（Gas-bearing Properties of Coal Seams） 2.5.1 煤层含气量（Coalbed Methane Content）

3 煤储层属性空间变异预测数学模型

3.1 基本思想（Basic Idea）

3.2 最优克隆差分进化径向基函数神经网络数学模型（Radial Basis Function Neural Network Based on Differential Evolution）

3.3 煤储层属性二维平面预测（Prediction of CBM Reservoir Heterogeneity in Two Dimensional Space）

3.4煤储层属性三维空间预测（Prediction of CBM Reservoir Heterogeneity in Three-dimensional Space）

3.5 小结（Chapter Conclusions）

4 煤储层随机建模

4.1引言（Introduction）

4.2基于RBF神经网络的煤储层二维平面随机建模（Stochastic Simulation of CBM Reservoir by Radial Basis Function Neural Net-work in Two-dimensional Space）

4.3 RBF神经网络辅助的Petrel平台煤储层三维随机建模（Stochastic Modeling of CBM Reservoir in Three-dimensional Space）

4.4煤储层孔隙度的随机建模(Stochastic Modeling of Coal Porosity)

4.5 本章小结（Brief summary）

5 煤储层地质模型在煤层气资源量评价中的应用

5.1 引言(introduction)

5.2 基于确定性储层模型的煤层气资源量计算(CBM Resources Calculation Based on Deterministic Geological Model)

5.3基于二维随机储层模型的煤层气概率资源量及统计分析(CBM Resouces Calculation and Statistic Analysis Based on Two-dimensional Stochastic Geological Model)

5.4基于栅格的煤层气资源量概率空间变异分析(Analysis on cellscale Spatial Variability of Gas Resources Probabilities)

5.5 煤储层中泥质夹矸的随机建模(Stochastic Modeling for Muddy Intercalation in CBM Reservoir)

5.6 煤层气资源量计算方法比较(Comparison of Different CBM Resources Calculation Methods)

5.7 小结(Brief Summary)

6 煤层气资源量空间变异的主要控制因素

6.1煤层气富集的构造控制(Tectonic Control)

6.2煤储层顶底板岩性控制(Floor and Roof of CBM Reservoir Control)

6.3泥质夹矸对煤层气的控制作用(Control by Muddy Intercalation)

6.4 小结(Brief summary)

7 结论

参考文献

附录1

附录2

作者简历

学位论文原创性声明

学位论文数据集