CN117310799A - 基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 - Google Patents
基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 Download PDFInfo
- Publication number
- CN117310799A CN117310799A CN202311157383.9A CN202311157383A CN117310799A CN 117310799 A CN117310799 A CN 117310799A CN 202311157383 A CN202311157383 A CN 202311157383A CN 117310799 A CN117310799 A CN 117310799A
- Authority
- CN
- China
- Prior art keywords
- crack
- scale
- small
- karst cave
- hole
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 title claims abstract description 36
- 235000019738 Limestone Nutrition 0.000 title claims abstract description 31
- 239000006028 limestone Substances 0.000 title claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 35
- 230000008878 coupling Effects 0.000 claims abstract description 5
- 238000010168 coupling process Methods 0.000 claims abstract description 5
- 238000005859 coupling reaction Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims description 30
- 238000005315 distribution function Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000001788 irregular Effects 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 61
- 230000002265 prevention Effects 0.000 abstract description 8
- 230000003628 erosive effect Effects 0.000 abstract 1
- 239000002609 medium Substances 0.000 description 61
- 238000012360 testing method Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 15
- 239000003245 coal Substances 0.000 description 12
- 238000005065 mining Methods 0.000 description 7
- 238000002347 injection Methods 0.000 description 6
- 239000007924 injection Substances 0.000 description 6
- 230000035699 permeability Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000011435 rock Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000012466 permeate Substances 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100272669 Aromatoleum evansii boxA gene Proteins 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000012736 aqueous medium Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007431 microscopic evaluation Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003016 pheromone Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/61—Analysis by combining or comparing a seismic data set with other data
- G01V2210/616—Data from specific type of measurement
- G01V2210/6161—Seismic or acoustic, e.g. land or sea measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/624—Reservoir parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/64—Geostructures, e.g. in 3D data cubes
- G01V2210/641—Continuity of geobodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Geophysics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了基于洞‑缝‑孔‑基质多重介质的矿井底板灰岩含水层识别方法,具体为:1、将矿井底板灰岩含水层划分为七类多重介质,2、确定大型溶洞介质模型,3、基于大型溶洞介质模型获取小型溶洞介质模型,4、确定溶蚀孔洞介质模型,5、确定大尺度裂缝介质模型,6、确定中尺度裂缝介质模型,7、确定小尺度裂缝介质模型,8、采用地质概念法将基质等效为弱隔水介质,并概化为基质介质模型,9、确定不同介质模型各参数,10、耦合形成多尺度洞‑缝‑孔‑基质多重介质模型。本方法为揭示灰岩水文地质结构特征、水动力场时空分布规律和灰岩水害精准超前防控的实际应用奠定基础。
Description
技术领域
本发明属于矿井水害防控领域。
背景技术
矿井水文地质结构复杂、水害事故频发且水量大。深部石灰岩水引发的大型-特大型突水事故多、损害严重。随着煤炭资源开发深度增加,深部石灰岩水害防控已成为在产矿井亟需解决的减灾防灾问题之一。
现阶段,由于石灰岩岩溶裂隙复杂,具有补给来源多样、构造复杂、富水性不均等特点,导致其突水预测依据不准、涌水量计算误差大、区域灰岩改造等治理工作设计依据粗糙。目前国内外学者在矿井底板灰岩水害防控、深部灰岩岩溶裂隙结构取得一定成果,但现有岩溶裂隙介质尚未在多尺度多重介质上形成精细化模型,较难精细刻画其时空分布,岩溶裂隙成因演化、溶洞-溶孔-缝隙-基质类型、不同级别、多种尺度等与介质的场源关系研究有待深入。
发明内容
发明目的:为了解决上述现有技术存在的问题,本发明提供了一种基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法。
技术方案:本发明提供了一种基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,具体包括如下步骤:
步骤1:采用Petrel软件基于地震属性、波阻抗与孔隙度的关系,建立孔隙度的空间数据体;将孔隙度呈现不规则多边体形态的区域划定为溶洞,根据溶洞的尺寸,将溶洞分成大型溶洞、小型溶洞和溶蚀孔洞;将孔隙度呈线型形态的区域划定为裂缝,根据裂缝的尺寸,将裂缝划分为大尺度裂缝、中尺度裂缝和小尺度裂缝;孔隙度的空间数据体中除溶洞和裂缝以外的介质作为基质;
步骤2:基于大型溶洞的尺寸,采用Petrel软件生成大型溶洞提取模型;
步骤3:对大型溶洞提取模型开展蒙特卡洛随机模拟获取小型溶洞概率分布函数;Petrel软件基于小型溶洞概率分布函数以及小型溶洞的尺寸,生成小型溶洞提取模型;
步骤4:基于大型溶洞模型,小型溶洞模型以及溶蚀孔洞的尺寸采用Petrel软件生成溶蚀孔洞提取模型;
步骤5:结合地震属性,人工解释以及大尺度裂缝的尺寸确定大尺度裂缝提取模型;
步骤6:利用蚂蚁追踪算法确定中尺度裂缝提取模型;
步骤7:结合分形几何丛聚算法与Fisher分布函数确定小尺度裂缝提取模型;
步骤8:采用地质概念法将基质等效为隔水介质,并概化为基质提取模型;
步骤9:将大型溶洞提取模型、小型溶洞提取模型、溶蚀孔洞提取模型、大尺度裂缝提取模型、中尺度裂缝提取模型、小尺度裂缝提取模型以及基质提取模型在MATLAB平台通过精细化网格剖分耦合嵌套形成洞-缝-孔-基质多重介质模型。
进一步的,将尺寸大于x1的不规则多边体形态区域定义为大型溶洞,将尺寸在x2~x1之间的不规则多边体形态区域定义为小型溶洞,将x3~x2之间的不规则多边体形态区域定义为溶蚀孔洞;将尺寸大于y1的裂缝定义为大尺度裂缝,将尺寸在y2~y1之间的裂缝定义为中尺度裂缝,将尺寸在y3~y2之间的裂缝定义为小尺度裂缝;x1,x2,x3,y1,y2和y3均为预设的阈值。
进一步的,x1=5m,x2=0.5m,x3=0.005m;y1=50m,y2=10m,y3=0.5m。
进一步的,所述小型溶洞概率分布函数f(x)的表达式如下所示:
其中,fb为大尺度裂缝分布函数,α为粗糙度参数,β为尺度参数,Γ(α)为欧拉第二积分,λ为0-1的常数,x为在空间数据体中预设的位置坐标。
进一步的,所述步骤7中结合分形几何丛聚算法与Fisher分布函数确定小尺度裂缝提取模型具体为:在孔隙度的空间数据体中提取大尺度裂缝数据体和中尺度裂缝数据体,整合成大中尺度裂缝数据体,采用线性插值的方法将大中尺度裂缝数据体转换成正方体数据体,该正方体数据体的尺寸为H;
采用改进的计盒维数法计算获取大中尺度裂缝数据体的分形几何维数D,具体表达式如下所示:
D=-lim|D1,D2,...,Dt,...,DT
其中,Dt的表达式如下所示:i表示第i个盒子,采用第i个盒子遍历大中尺度裂缝数据体,得到每次遍历时盒子内的裂缝数量,maxS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最大值,minS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最小值,T表示盒子尺寸变化的总次数;int表示向下取整;
利用计盒维数值D计算小尺度裂缝:
lmax、lmin分别为小尺度裂缝长度的最大值和最小值;rand(.)为随机函数;
小尺度裂缝分布服从Fisher分布特征,Fisher分布的概率密度函数为:
其中,k为Fisher分布概率密度函数中裂缝平均方向的弥散参数,反映了裂缝在平面的离散程度,θ为小尺度裂缝分布随机变量方向与孔隙度空间数据体所在坐标轴的x轴顺时针方向的夹角,θ位于[0,π]区间内;
求得大中尺度裂缝概率密度函数后,将其继承为小尺度裂缝产状的计算依据,则f,k已知,同时,将上式转换为
计算获取小尺度裂缝的θ值,在MATLAB软件调用小尺度裂缝的中心点坐标、长度、编号,结合每条小尺度裂缝的θ值,逐步调整每条小裂缝的方向,同时在MATLAB中逐次读取小裂缝分布坐标数据体,依据编号在图形上输出每条小裂缝,最终形成整个小尺度裂缝介质模型,同时在空间分布上,使小尺度裂缝分布服从Fisher分布特征。
有益效果:本发明旨在对煤矿底板石灰岩含水层进行精细化模型构建,利用三维地震属性体数据,遵循含水介质的分类分级原则和多重介质的水文地震属性,针对性构建大型溶洞、小型溶洞、溶蚀孔洞、大尺度裂缝、中尺度裂缝、小尺度裂缝和基质七类多重介质,能够提高灰岩含水层的精细刻画程度;并为阐明采矿条件下岩溶裂隙含水层时空演化规律提供模型基础,为矿山水害精准超前防控提供切实的技术保障。
附图说明
图1为本发明的整体流程图。
图2是本发明中洞-缝-孔-基质的多重介质模型构建的流程图。
具体实施方式
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
煤矿底板石灰岩含水层受多期构造运动、多期岩溶叠加改造影响使其岩溶裂隙空间具有类型多样、缝-洞-孔尺度差异大,形态极不规则、分布离散随机等特征,不同尺度的裂缝发育规模具有明显的层次性,使得煤矿底板灰岩水害的超前精准防治困难。虽然能够采用水文地球物理手段定量探测深部岩溶裂隙含水层,获取空间展布,但需要遵循含水介质的分类分级原则和多重介质的水文地震属性,揭示精细刻画石灰岩含水层三维岩溶裂隙时空分布。综上所述,如图1所示,本实施例提供基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法:
步骤1、采集煤矿三维地震数据体、测井、水文地质试验、分析测试等资料;整理研究区地震弹性波、电阻率、密度、声波、自然电位等测井数据,以三维地震数据体为基础,在现有处理软件Petrel中,可以结合岩石物理、测井数据开展归一化处理,选择视电阻率、自然伽马、密度-速度、视孔隙度、自然电位和井液消耗量等作为有效约束信息,生成人工合成地震记录通过叠后处理等,建立地震属性、波阻抗等与孔隙度的初始关系模型,如图2所示,形成孔隙度的三维数据体。遵循多重介质的水文地质属性,将煤矿底板灰岩含水层划分为大型溶洞(>5m)、小型溶洞(0.5~5m)、溶蚀孔洞(0.005~0.5m)、大尺度裂缝(>50m)、中尺度裂缝(10~50m)、小尺度裂缝(0.5~10m)和基质七类多重介质。
在Petrel现有技术可以得出孔隙度的空间数据体(也即三维地震数据体):地震属性、波阻抗等与孔隙度的关系可用函数表达,经过软件处理后,可以形成孔隙度的空间数据体。针对孔隙度的空间数据体,遵循上述提及的0.005m、0.5m、5m、10m、50m划分原则,将孔隙度呈现不规则多边体形态的区域划定为溶洞,溶洞细化分大型、小型和溶蚀三类;将孔隙度呈线型形态的区域划定为裂缝,然后分为不同尺寸的大、中、小三类;最后,从孔隙度空间数据体去除溶洞、裂缝的数据,即可获得基质。
步骤2、采用“地震截断、模式修订”的人机交互解译方法确定大型溶洞介质模型(Petrel软件根据大型溶洞的尺寸自动生成大型溶洞介质模型);
步骤3:基于大型溶洞介质模型开展蒙特卡洛随机模拟获取小型溶洞介质模型:
小型溶洞概率分布函数f(x)的表达式如下所示:
其中,fb为大型溶洞介质概率分布函数(在Petrel软件中自动生成),α为粗糙度参数,β为尺度参数,Γ(α)为欧拉第二积分,为阶乘函数在实数与复数上扩展的一类函数,λ为0-1的常数,x为小型溶洞的随机变量,x为在空间数据体中预设的位置坐标,例如预设一个空间,f(x)为小型溶洞在该空间中概率分布。本实施例将大型溶洞介质模型作为先验分布,其中均值、方差已知,小型溶洞介质作为随机变量,在大型溶洞介质模型空间离散的网格基础上按照上述小型溶洞介质概率分布函数,计算得到其介质模型。
步骤4:基于大型溶洞介质模型和小型溶洞介质模型,结合井下揭露、测井记录数据,在现有软件和技术上,以上述大型和小型溶洞空间分布概率体为丛聚约束条件,获取溶蚀孔洞介质的空间分布约束准则,采用地质不确定性统计方法与贝叶斯随机模拟方法获得溶蚀孔洞介质模型;
步骤5:结合地震属性(视孔隙度、波阻抗、密度、速度等)与人工解释方法确定大尺度裂缝介质模型;
步骤6:利用蚂蚁追踪算法克服地震属性解释的主观性,选择被动模式计算蚂蚁属性体,再采用主动模式从蚂蚁密度、追踪偏离角度、搜索步长和追踪允许的非法步长、合法步长、停止标准等方面筛选断裂的信号(断层方位角、倾角等),剔除假构造信息,最终形成中尺度裂缝介质模型;
步骤7:结合分形几何丛聚算法与Fisher分布函数确定小尺度裂缝介质模型;
步骤8:采用地质概念法将基质等效为隔水介质,并概化为基质介质模型,
步骤9:利用野外与室内水文地质试验、分析测试确定不同介质模型各参数;其中,溶洞介质参数可依据注水试验、局域放水试验和注浆量估算;溶蚀孔洞和基质介质参数采用室内岩心压汞试验、渗透率测试定量化;裂缝介质参数结合群孔放水试验、注水试验、注浆量、岩心渗透率测试进行综合确定;
步骤10:将步骤2获得的大型溶洞介质模型、步骤3获得的小型溶洞介质模型、步骤4获得的溶蚀孔洞介质模型、步骤5获得的大尺度裂缝介质模型、步骤6获得的中尺度裂缝介质模型、步骤7获得的小尺度裂缝介质模型、步骤8获得的基质介质模型,在MATLAB平台通过精细化网格剖分耦合形成多尺度洞-缝-孔-基质多重介质模型。
所述步骤1中,具体结合地质调查、室内分析测试,现场监测等开展;现场调查和搜集研究区水文地质结构特征(边界、补径排条件等)、地震数据体、测井曲线、已有岩样介质宏细观分析测试资料、群孔放水联动观测数据、注浆钻孔结构及注浆量、电法探测数据、水位(压)监测数据、涌水量、两巷掘进及煤层开采过程采矿信息等,并采集煤层底板岩样和水样20组以上;针对采集岩(水)样,开展铸体薄片、电镜扫描、岩石成分测定、压汞试验、灰岩波速、水质分析等测试,重点查明石灰岩和底板岩样、水样的关系的微观孔隙结构、特征、矿物成分、弹性波速度、渗透率、裂缝开度、水化学成分等;基于现场地质调查、水文地质调查、资料统计分析,建立典型灰岩水与含(隔)水层、主要充水水源、径流通道、滞留通道之间不同位置、空间组合关系的基本水文地质结构模式,形成典型充水模型,提出采动过程中含(隔)水层结构演化基本模式和补径排水动力学特征。上述水文地质与地质数据是为建立地震属性与孔隙度的初始关系提供更多的数据依据,基础数据越多建立数学关系函数就相对可靠;
上述步骤2中,人机交互解译方法是基于专业数据解释人员的经验和三维地震数据体的处理结果,结合煤矿区已有地质资料,进行综合判断,大型溶洞规模要大于5m;
上述步骤6中,蚂蚁体追踪算法是Petrel软件处理地震数据体的成熟技术手段,首先通过增强边界特征、噪声压制,凸显煤矿地层在地震资料中的不连续型;其次构建蚂蚁追踪立方体,基于蚂蚁追踪算法将规模在10~50m的中尺度裂缝作为预期“信息素”,最后让大量电子“蚂蚁”移动,追踪和筛选出中尺度裂缝。
上述步骤7中,基于大中尺度裂缝数据体,采用改进的计盒维数法公式计算获取大中尺度裂缝的分形几何维数D。具体表达式如下所示:
其中,i表示第i个盒子,采用第i个盒子遍历大中尺度裂缝数据体,得到每次遍历时盒子内的裂缝数量,maxS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最大值,minS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最小值,T表示盒子尺寸变化的总次数;int表示向下取整;
随后,因为小尺度裂缝与大尺度、中尺度裂缝具有从聚性和继承性,所以利用计盒维数值D计算小裂缝长度:(遍历孔隙度三维数据体)
lmax、lmin分别为小裂缝长度的最大值、最小值,lmax=10,lmin=0.5;D为计盒维数值;是一个随机函数,均匀分布在区间[0,1]内,因为/>随机变化,所以生成的裂缝的长度会有不同。
Fisher分布的概率密度函数为:
其中,k为Fisher分布概率密度函数中裂缝平均方向的弥散参数,反映了裂缝在平面的离散程度,无量纲,k值越大,表明裂缝向平均方向集中,越集中于真实平均值,可通过已知的大尺度、中尺度裂缝产状数据统计获取,也为Fisher常数。θ为小裂缝介质分布随机变量方向与x轴顺时针方向夹角,位于[0,π]区间内。
求得大中尺度裂缝概率密度函数后,将其继承为小尺度裂缝产状的计算依据,则f,k已知,同时,将上式转换为
计算获取小尺度裂缝的θ值,在MATLAB软件调用小尺度裂缝的中心点坐标、长度、编号,结合每条小尺度裂缝的θ值,逐步调整每条小裂缝的方向,同时在MATLAB中逐次读取小裂缝分布坐标数据体,依据编号在图形上输出每条小裂缝,最终形成整个小尺度裂缝介质模型,同时在空间分布上,使小尺度裂缝分布服从Fisher分布特征。
所述步骤8中,采用常规水文地质概念法将弱隔水介质等效为渗透系数较低的弱渗地层,使岩溶裂隙含水层径流通道的地下水能够向四周基质渗流扩散,此时地下水从导水通道向四周弱渗地层渗流符合达西定律Q=K·A·J,其中Q为渗流量,A为渗流截面面积,J为水力坡度,K为渗透系数。
所述步骤9中,模型介质与参数的等效方法,具体为,结合已有井下群孔放水联动观测试验(渗透系数、流量、储水率)、注水试验(渗透系数、流量、缝宽等)、注浆量(洞、缝有效空间等)、所述步骤1中室内拟开展的定量分析测试(孔隙度、孔隙率等)等数据估算宏细观尺度洞、缝介质的有效参数;其中,在群孔放水联动观测试验中,记录每个放水孔的长时间疏放水量和每个观测孔的长时间水位数据,在Aquifer Test 4.2软件中,将整个疏放水过程岩溶裂隙水流动近似概化成定流量承压完整井非稳定流运动模型,利用Jacob公式求取渗透系数、储水系数,Jacob公式具体为:
式中:s为观测点的水位降深;Q为放水孔的流量;T1为导水系数;t1为自放水开始到计算时刻的时间;r为计算点到放水井的距离;S为含水层的贮水系数。
注水试验可作为抽水或者疏放水试验的返过程,在Aquifer Test 4.2软件拟合参数,但是有压条件下裂隙水流速度高于低压条件水流速度,因此按照紊流态计算裂隙宽度,其中,g为重力加速度,b为裂隙宽度,v为水运动粘滞系数,J为水力坡度,Q为注水流量,此步骤是根据注水试验观测的流量反算裂隙宽度,获取的裂隙宽度可为大、中、小尺度裂缝参数设置提供基础。在钻孔钻进过程,会遇到不同尺度裂隙,在相应层位开展对应的压水试验,根据单位流量和压力计算其裂隙宽度。
所述步骤10中,获得的洞-缝-孔-基质多重介质模型是开展采矿条件下岩溶裂隙含水层水动力场数值模拟的基础,其所具有的水文地质属性空间分布特征能够精细刻画介质内岩溶裂隙的三维空间分布,是煤矿底板岩溶裂隙含水层水害精准超前防控的基础保障。
需要注意的是,尽管本发明针对煤矿底板石灰岩含水层多重介质模型构建,但也适用于地下水数值模拟领域数值模型介质描述、复杂参数定量化以及石灰岩含水层多尺度多重介质地下水耦合运动和采矿条件下三维岩溶裂隙水动力场的数值模拟与刻画。
需要说明的是,本说明书针对明确、实施、描述清晰,逻辑性强,在术语限定的要素中,并不排除所述要素的过程、方法等类似的要素。
本领域内技术人员可以理解实现上述实施步骤的全部或者部分,可以通过硬件的程序指令完成,所述的程序也可以存储于一种计算机可读的存储设备中,包括存储器、磁盘、光盘、移动硬盘、U盘等。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (5)
1.基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,其特征在于,具体包括如下步骤:
步骤1:采用Petrel软件基于地震属性、波阻抗与孔隙度的关系,建立孔隙度的空间数据体;将孔隙度呈现不规则多边体形态的区域划定为溶洞,根据溶洞的尺寸,将溶洞分成大型溶洞、小型溶洞和溶蚀孔洞;将孔隙度呈线型形态的区域划定为裂缝,根据裂缝的尺寸,将裂缝划分为大尺度裂缝、中尺度裂缝和小尺度裂缝;孔隙度的空间数据体中除溶洞和裂缝以外的介质作为基质;
步骤2:基于大型溶洞的尺寸,采用Petrel软件生成大型溶洞提取模型;
步骤3:对大型溶洞提取模型开展蒙特卡洛随机模拟获取小型溶洞概率分布函数;Petrel软件基于小型溶洞概率分布函数以及小型溶洞的尺寸,生成小型溶洞提取模型;
步骤4:基于大型溶洞模型,小型溶洞模型以及溶蚀孔洞的尺寸采用Petrel软件生成溶蚀孔洞提取模型;
步骤5:结合地震属性,人工解释以及大尺度裂缝的尺寸确定大尺度裂缝提取模型;
步骤6:利用蚂蚁追踪算法确定中尺度裂缝提取模型;
步骤7:结合分形几何丛聚算法与Fisher分布函数确定小尺度裂缝提取模型;
步骤8:采用地质概念法将基质等效为隔水介质,并概化为基质提取模型;
步骤9:将大型溶洞提取模型、小型溶洞提取模型、溶蚀孔洞提取模型、大尺度裂缝提取模型、中尺度裂缝提取模型、小尺度裂缝提取模型以及基质提取模型在MATLAB平台通过精细化网格剖分耦合嵌套形成洞-缝-孔-基质多重介质模型。
2.根据权利要求1所述的基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,其特征在于,将尺寸大于x1的不规则多边体形态区域定义为大型溶洞,将尺寸在x2~x1之间的不规则多边体形态区域定义为小型溶洞,将x3~x2之间的不规则多边体形态区域定义为溶蚀孔洞;将尺寸大于y1的裂缝定义为大尺度裂缝,将尺寸在y2~y1之间的裂缝定义为中尺度裂缝,将尺寸在y3~y2之间的裂缝定义为小尺度裂缝;x1,x2,x3,y1,y2和y3均为预设的阈值。
3.根据权利要求2所述的基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,其特征在于,x1=5m,x2=0.5m,x3=0.005m;y1=50m,y2=10m,y3=0.5m。
4.根据权利要求1所述的基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,其特征在于,所述小型溶洞概率分布函数f(x)的表达式如下所示:
其中,fb为大尺度裂缝分布函数,α为粗糙度参数,β为尺度参数,Γ(α)为欧拉第二积分,λ为0-1的常数,x为在空间数据体中预设的位置坐标。
5.根据权利要求1所述的基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法,其特征在于,所述步骤7中结合分形几何丛聚算法与Fisher分布函数确定小尺度裂缝提取模型具体为:在孔隙度的空间数据体中提取大尺度裂缝数据体和中尺度裂缝数据体,整合成大中尺度裂缝数据体,采用线性插值的方法将大中尺度裂缝数据体转换成正方体数据体,该正方体数据体的尺寸为H;
采用改进的计盒维数法计算获取大中尺度裂缝数据体的分形几何维数D,具体表达式如下所示:
D=-lim|D1,D2,...,Dt,...,DT|
其中,Dt的表达式为:i表示第i个盒子,采用第i个盒子遍历大中尺度裂缝数据体,得到每次遍历时盒子内的裂缝数量,maxS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最大值,minS(i)为采用第i个盒子遍历大中尺度裂缝数据体后得到的裂缝数量最小值,T表示盒子尺寸变化的总次数;int表示向下取整;
利用计盒维数值D计算小尺度裂缝:
lmax、lmin分别为小尺度裂缝长度的最大值和最小值;rand(.)为随机函数;
小尺度裂缝分布服从Fisher分布特征,Fisher分布的概率密度函数为:
其中,k为Fisher分布概率密度函数中裂缝平均方向的弥散参数,反映了裂缝在平面的离散程度,θ为小尺度裂缝分布随机变量方向与孔隙度空间数据体所在坐标轴的x轴顺时针方向的夹角,θ位于[0,π]区间内;
求得大中尺度裂缝概率密度函数后,将其继承为小尺度裂缝产状的计算依据,则f,k已知,同时,将上式转换为
计算获取小尺度裂缝的θ值,在MATLAB软件调用小尺度裂缝的中心点坐标、长度、编号,结合每条小尺度裂缝的θ值,逐步调整每条小裂缝的方向,同时在MATLAB中逐次读取小裂缝分布坐标数据体,依据编号在图形上输出每条小裂缝,最终形成整个小尺度裂缝介质模型,同时在空间分布上,使小尺度裂缝分布服从Fisher分布特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311157383.9A CN117310799B (zh) | 2023-09-08 | 基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311157383.9A CN117310799B (zh) | 2023-09-08 | 基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117310799A true CN117310799A (zh) | 2023-12-29 |
CN117310799B CN117310799B (zh) | 2024-05-28 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119082A1 (en) * | 2007-11-01 | 2009-05-07 | Schlumberger Technology Corporation | Reservoir fracture simulation |
US20120084043A1 (en) * | 2010-09-30 | 2012-04-05 | Sergio Fabio Courtade | Box counting enhanced modeling |
CN107203005A (zh) * | 2016-03-18 | 2017-09-26 | 中国石油化工股份有限公司 | 一种定量化计算裂缝描述参数的方法 |
RU2723769C1 (ru) * | 2019-06-04 | 2020-06-17 | Саусвест Петролиэм Юниверсити (СВПЮ) | Способ расчета объема обратного потока жидкости для гидроразрыва пласта при гидроразрыве в горизонтальных скважинах в залежах газа трещиноватых песчаников |
CN111612899A (zh) * | 2019-02-25 | 2020-09-01 | 中国石油化工股份有限公司 | 一种碳酸盐岩缝洞型油藏地质建模方法 |
CN111695228A (zh) * | 2019-03-13 | 2020-09-22 | 中国石油化工股份有限公司 | 一种缝洞型碳酸盐岩油藏的多尺度裂缝建模方法 |
CN112084672A (zh) * | 2020-09-17 | 2020-12-15 | 中国矿业大学 | 一种基于分形维数判断地下水污染的方法 |
US20210132246A1 (en) * | 2019-11-04 | 2021-05-06 | China University Of Petroleum (East China) | Method for determining a grid cell size in geomechanical modeling of fractured reservoirs |
CA3114188A1 (en) * | 2020-09-25 | 2022-03-25 | Southwest Petroleum University | Method and device for calculating production of unconventional reservoir with multi-scale support by fracture-network fracturing |
CN114970392A (zh) * | 2022-05-27 | 2022-08-30 | 长江大学 | 一种裂缝分形表征方法、系统及可读存储介质 |
WO2022226332A1 (en) * | 2021-04-22 | 2022-10-27 | Saudi Arabian Oil Company | Methods and systems for determining reservoir and fracture properties |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119082A1 (en) * | 2007-11-01 | 2009-05-07 | Schlumberger Technology Corporation | Reservoir fracture simulation |
US20120084043A1 (en) * | 2010-09-30 | 2012-04-05 | Sergio Fabio Courtade | Box counting enhanced modeling |
CN107203005A (zh) * | 2016-03-18 | 2017-09-26 | 中国石油化工股份有限公司 | 一种定量化计算裂缝描述参数的方法 |
CN111612899A (zh) * | 2019-02-25 | 2020-09-01 | 中国石油化工股份有限公司 | 一种碳酸盐岩缝洞型油藏地质建模方法 |
CN111695228A (zh) * | 2019-03-13 | 2020-09-22 | 中国石油化工股份有限公司 | 一种缝洞型碳酸盐岩油藏的多尺度裂缝建模方法 |
RU2723769C1 (ru) * | 2019-06-04 | 2020-06-17 | Саусвест Петролиэм Юниверсити (СВПЮ) | Способ расчета объема обратного потока жидкости для гидроразрыва пласта при гидроразрыве в горизонтальных скважинах в залежах газа трещиноватых песчаников |
US20210132246A1 (en) * | 2019-11-04 | 2021-05-06 | China University Of Petroleum (East China) | Method for determining a grid cell size in geomechanical modeling of fractured reservoirs |
CN112084672A (zh) * | 2020-09-17 | 2020-12-15 | 中国矿业大学 | 一种基于分形维数判断地下水污染的方法 |
CA3114188A1 (en) * | 2020-09-25 | 2022-03-25 | Southwest Petroleum University | Method and device for calculating production of unconventional reservoir with multi-scale support by fracture-network fracturing |
WO2022226332A1 (en) * | 2021-04-22 | 2022-10-27 | Saudi Arabian Oil Company | Methods and systems for determining reservoir and fracture properties |
CN114970392A (zh) * | 2022-05-27 | 2022-08-30 | 长江大学 | 一种裂缝分形表征方法、系统及可读存储介质 |
Non-Patent Citations (8)
Title |
---|
PARK J, ET AL: "Characterization of Fractured Basement Reservoir Using Statistical and Fractal Methods", KOREAN JOURNAL OF CHEMICAL ENGINEERING, vol. 22, no. 04, 1 July 2005 (2005-07-01), pages 591 - 598, XP055949258 * |
PARK J, ET AL: "Characterization of Fractured Basement Reservoir Using Statistical and Fractal Methods", KOREAN JOURNAL OF CHEMICAL ENGINEERING, vol. 22, no. 04, 31 July 2005 (2005-07-31), pages 591 - 598, XP055949258 * |
于丽 等: "岩溶弱发育对围岩力学参数的影响规律研究", 铁道科学与工程学报, vol. 15, no. 02, 15 February 2018 (2018-02-15), pages 435 - 443 * |
唐永;梅廉夫;唐文军;陈友智;胡志伟;: "裂缝性储层属性分析与随机模拟", 西南石油大学学报(自然科学版), vol. 32, no. 04, 15 August 2010 (2010-08-15), pages 56 - 66 * |
李阳;侯加根;李永强;: "碳酸盐岩缝洞型储集体特征及分类分级地质建模", 石油勘探与开发, vol. 43, no. 04, 6 June 2016 (2016-06-06), pages 600 - 606 * |
王慧 等: "基于分形理论的岩石裂隙非线性渗流各向异性研究", 人民长江, vol. 50, no. 02, 28 February 2019 (2019-02-28), pages 174 - 180 * |
陆峰 等: "Fisher模型在岩体裂隙面模拟中的应用", 中国水利水电科学研究院学报, vol. 08, no. 04, 15 December 2010 (2010-12-15), pages 309 - 313 * |
饶华 等: "利用分形理论预测潜山储层裂缝的分布", 石油地球物理勘探, no. 01, 15 February 2009 (2009-02-15), pages 98 - 103 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110704888B (zh) | 一种非常规油气藏加密井体积压裂施工参数优化设计方法 | |
CN110795878B (zh) | 一种隧道涌水量预测方法 | |
CN109116428B (zh) | 一种缝洞型碳酸盐岩油藏不确定性建模方法及其装置 | |
US11009620B2 (en) | Method for determining favorable time window of infill well in unconventional oil and gas reservoir | |
CN110705000B (zh) | 非常规储层加密井压裂动态微地震事件屏障区确定方法 | |
CN104992468A (zh) | 缝洞型碳酸盐岩油气藏三维地质建模方法 | |
CN103410502A (zh) | 一种网络状缝洞型油藏的三维渗透率场的获取方法 | |
CN106569288B (zh) | 基于储层裂缝有效性聚类分析的裂缝性储层质量评价方法 | |
CN107558999B (zh) | 一种孤立缝洞体剩余油定量预测方法 | |
CN109375283B (zh) | 一种砂岩储层3d渗透率演化史的分析方法 | |
Harris | The role of geology in reservoir simulation studies | |
CN105701319A (zh) | 一种水平井规则开发井网下的沉积微相建模方法 | |
Liu et al. | Characterization of architectural elements of Ordovician fractured-cavernous carbonate reservoirs, Tahe Oilfield, China | |
Li et al. | Data integration in characterizing a fracture-cavity reservoir, Tahe oilfield, Tarim basin, China | |
CN112925017A (zh) | 一种断缝型储层地质建模方法 | |
CN110308497B (zh) | 缝洞型油藏不同类型储集体模型融合方法 | |
Odling et al. | Fractional flow in fractured chalk; a flow and tracer test revisited | |
CN110019594B (zh) | 一种基于数值模拟的地质知识库建立方法 | |
CN111695228A (zh) | 一种缝洞型碳酸盐岩油藏的多尺度裂缝建模方法 | |
CN117310799B (zh) | 基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 | |
Liu et al. | The Control Theory and Application for Well Pattern Optimization of Heterogeneous Sandstone Reservoirs | |
CN103698494B (zh) | 一种确定岩性圈闭含油气饱和度的方法及装置 | |
Baiocchi et al. | Sustainable yield of fractured rock aquifers: The case of crystalline rocks of Serre Massif (Calabria, Southern Italy) | |
CN117310799A (zh) | 基于洞-缝-孔-基质多重介质的矿井底板灰岩含水层识别方法 | |
CN113960288B (zh) | 一种源-汇系统定量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |