CN118050823A - 区块尺度下的煤体结构预测方法、装置、设备和介质 - Google Patents
区块尺度下的煤体结构预测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN118050823A CN118050823A CN202211431017.3A CN202211431017A CN118050823A CN 118050823 A CN118050823 A CN 118050823A CN 202211431017 A CN202211431017 A CN 202211431017A CN 118050823 A CN118050823 A CN 118050823A
- Authority
- CN
- China
- Prior art keywords
- target
- coal
- body structure
- coal body
- strength
- 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.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000011435 rock Substances 0.000 claims abstract description 94
- 239000011162 core material Substances 0.000 claims abstract description 24
- 239000010410 layer Substances 0.000 claims description 29
- 239000002356 single layer Substances 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 238000005553 drilling Methods 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 3
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 8
- 238000005755 formation reaction Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 239000000571 coke Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 101000714378 Homo sapiens Neuron-specific vesicular protein calcyon Proteins 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 102100036421 Neuron-specific vesicular protein calcyon Human genes 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种区块尺度下的煤体结构预测方法、装置、设备和介质。该方法包括：采集并确定目标区域至少两个目标样品的关键测井参数的目标特征值；基于第一模型对目标样品的目标特征值分析获得目标样品的目标煤体结构判识指数；基于第二模型对目标样品的目标强度调整系数和目标岩层单层厚度分析获得目标含煤岩系强度；基于目标样品的目标煤体结构判识指数和目标含煤岩系强度确定区块尺度下的煤体结构判识标准；确定目标区域目标井的目标岩心材料的参考含煤岩系强度；基于参考含煤岩系强度和区块尺度下的煤体结构判识标准对区块尺度下的煤体结构进行预测。本方案解决钻井数量少造成的煤体结构识别和难以延伸到区块尺度下的煤体结构识别的问题。
Description
技术领域
本发明涉及煤层气地质评价技术领域，尤其涉及一种区块尺度下的煤体结构预测方法、装置、设备和介质。
背景技术
煤层气资源是一种清洁绿色能源，具有“安全、经济、环保”三重意义，对我国煤矿安全生产、国民经济发展、能源升级和改善环境具有重要的现实意义。煤体结构不仅是表征煤的孔隙度和渗透率的重要指标，而且直接影响到后期的储层改造效果，对煤层气勘探开发具有重要的影响，因此煤体结构预测就成为一项重要的紧迫性任务。
现有技术中，常用地球物理测井来进行煤体结构测井解释。一般多选用自然伽马测井、电阻率测井、声波时差测井和视密度测井等测井信息，实现定性判识煤体结构分层特征的目的。随着科学进步和技术的发展，一些定量的方法逐渐被应用于煤体结构的测井曲线判识中，如主成分分析、小波分析、聚类分析、核Fisher判别分析等，还有一些结合测井曲线建立煤体结构判识指数判识煤体结构。但是，测井结果受多种因素影响，不同区域不同地质条件下的煤体结构的测井响应特征差异较大，且往往具备测井解释的钻井数量少，主要是煤储层点上的少量解释，难以延伸到区块尺度。因此，对于区块尺度下的煤体结构识别越来越重要。
发明内容
本发明提供了一种区块尺度下的煤体结构预测方法、装置、设备和介质，以解决钻井数量少造成的煤体结构识别困难的问题，以及难以延伸到区块尺度下的煤体结构识别的问题。
根据本发明的一方面，提供了一种区块尺度下的煤体结构预测方法，该方法包括：
采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径；
基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系；
确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系；
基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；
获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；
基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
根据本发明的另一方面，提供了一种区块尺度下的煤体结构预测装置，该装置包括：
特征值确定模块，用于采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径；
判识指数确定模块，用于基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系；
第一强度确定模块，用于确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系；
判识标准确定模块，用于基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；
第二强度确定模块，用于获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；
预测模块，用于基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的区块尺度下的煤体结构预测方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的区块尺度下的煤体结构预测方法。
本发明实施例的技术方案，采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；然后基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；同时确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；再基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；同时获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；最后基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。解决了钻井数量少造成的煤体结构识别困难以及难以延伸到区块尺度下的煤体结构识别的问题，实现了更加方便、快捷的对煤体结构的预测。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种区块尺度下的煤体结构预测方法的流程图；
图2是本发明实施例所适用的基于岩心观察的M11煤层煤体结构的组成；
图3是本发明实施例所适用的测井数据相关系数矩阵图；
图4是本发明实施例所适用的特征值和累计贡献值与主要成分的关系图：
图5是本发明实施例所适用的因子投影图；
图6是本发明实施例所适用的因子之间距离大小的关系图；
图7是本发明实施例所适用的垂向煤体结构预测结果与目标含煤岩系强度之间的关系图；
图8是本发明实施例所适用的煤岩组合类型及S值图；
图9是本发明实施例所适用的煤层含煤岩系赋值及S值图；
图10是本发明实施例所适用的区块尺度下的煤体结构预测结果的等值线图；
图11是根据本发明实施例提供的一种区块尺度下的煤体结构预测装置的结构示意图；
图12是实现本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”和“参考”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种区块尺度下的煤体结构预测方法的流程图，本实施例可适用于在区块尺度下对煤体结构进行预测的情况，该方法可以由区块尺度下的煤体结构预测装置来执行，该区块尺度下的煤体结构预测装置可以采用硬件和/或软件的形式实现，该区块尺度下的煤体结构预测装置可配置于具有区块尺度下的煤体结构预测方法的电子设备中。如图1所示，该方法包括：
S110、采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径。
其中，目标区域可以是需要进行煤体结构预测的区域。
本申请技术方案是对煤层经历了多期次构造运动等煤体结构较差的地区进行煤体结构预测。可以通过煤体结构的定量表征对目标区域煤体结构进行分类，例如对于可乐向斜位于贵州省境内，区内上二叠统宣威组为主要的含煤层系，含煤3-22层，煤层厚度3.9-17.7m(平均7.4m)，这个地区的煤体结构较差，可以对目标区域获取的历史样品采用中国煤炭工业协会提出的GB/T 30050-2013国家标准进行煤体结构分类判识(如表1)，从表1中可以知道，原生结构煤定量表征为1，碎裂煤定量表征为2，碎粒煤及糜棱煤定量表征为3。部分判识结果为图2。
表1煤体结构分类
可选的，关键测井参数是通过对目标区域历史测井参数进行因子分析确定的；历史测井参数通过对目标区域历史时刻获得的样品经过分析确定的。
其中，历史测井参数可以包括埋深(Depth)、密度(DEN)、自然伽马(GR)、X-Y向井径(CALX-CALY)、深-浅双侧向电阻率(LLD-LLS)、声波时差(AC)、微球型聚焦电阻率(RMSF)、补偿中子(CNL)和自然电位(SP)
具体的，获取目标区域历史时刻获得的历史样品，然后对样品进行分析，如对32个历史样品进行分析，计算得到样本中的历史测井参数的相关矩阵图(如图3)，根据图3，可以看出相关矩阵中的预设个相关系数大于0.30，具备采用因子分析的必要条件。根据系统要求的累积贡献率确定主因子的个数，采用特征值准则与碎石图检验准则，可以看出3个主成分，可以解释90％的信息(如图4)。
计算因子载荷矩阵，确定因子模型，使用plot来实现可视化(如图5)，消除冗余参数，测井参数因子(即历史测井参数)用箭头表示，箭头连线的长度代表某个测井参数因子与煤体结构手标本判识结果相关程度的大小，连线越长，说明相关性越大，反之越小，参数SP、PE、RMSF与最终目的相关性较低。箭头连线和排序轴的夹角代表某个测井参数与排序轴的相关性大小，夹角越小，相关性越高，即信息重复度越高，反之越低，lnLLD与lnLLS夹角较小，CNCF、AC、CALX、CALY夹角较小，DEN、SP夹角较小(如图5)。结合参数获取难易程度，选择密度(DEN)、自然伽马(GR)、深双侧向电阻率(LLD)和横向井径(CALX)作为判识煤体结构的关键测井参数，这样就得到了32个样品的煤体结构手标本判识结果及每一个样品对应的DEN、GR、LLD和CALX值，即关键测井参数的目标特征值。
S120、基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系。
其中，目标煤体结构判识指数可以是用来判断目标样品中煤体结构的指数。第一模型可以通过公式的形式进行表示，具体如下：
T为煤体结构判识指数，DEN0、GR0、LLD0和CALX0分别代表目标样品关键测井参数的目标特征值。
具体的，获取目标样品的目标特征值，然后将目标特征值输入到基于第一模型中，就可以准确得到目标样品的目标煤体结构判识指数。
可选的，第一模型的构建过程，包括：
获取目标区域历史关键测井参数的特征值，并采用均值聚类法对历史关键测井参数的特征值进行分析，确定关键测井参数特征值的聚类值；
通过最近邻分类器对聚类值进行分析确定第一模型。
具体的，获取目标区域历史关键测井参数的特征值，采用均值聚类提取不同煤体结构历史关键测井参数(DEN、GR、LLD、CALX)的数据特征，运用SPSS软件中的K-means聚类分析模块，对提取到的不同煤体结构历史关键测井参数(DEN、GR、LLD、CALX)数据进行分析，令K＝5，得到最终聚类中心(表2)，从最终聚类中心的μ1、μ2、μ3、μ4和μ5(表2)可以看出，μ5的DEN、GR最大，lnLLD、CALX较小；μ2的DEN、GR值最小，lnLLD中等偏大，CALX最大；μ1、μ3、μ4的情况比较复杂，DEN、GR值中等，CALX、lnLLD变化复杂。μ5符合原生结构煤特征，测井曲线形态特征与传统认识相同；μ2符合碎粒-糜棱煤特征，测井曲线形态特征与传统认识相同；碎裂煤较为复杂，这可能是由于其较容易受到后期构造及钻井过程影响，部分原生结构煤变为碎裂结构，μ1、μ3、μ4符合碎裂煤特征。
表2最终聚类中心
再利用K最近邻分类器对最终聚类中心进行分析，本申请K取1即可，通过图6中显示的距离大小判识煤层煤体结构。但是为了更加便于应用，可利用多元回归进一步简化可得到第一模型。
本实施例通过获取目标区域历史关键测井参数的特征值，并采用均值聚类法对历史关键测井参数的特征值进行分析，确定关键测井参数特征值的聚类值；然后通过最近邻分类器对聚类值进行分析确定第一模型，实现了对第一模型的准确确定，以便于后续可以通过第一模型确定煤体结构判识指数，进而得出准确的垂向煤体结构。
S130、确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系。
其中，含煤岩系强度不仅反映了局部区域内沉积地层的强度，而且定性反映同一构造应力场含煤岩系及煤体的变形行为。
可选的，描述煤岩强度最常用的力学参数主要为弹性模量和泊松比，对于一个井田而言，同类岩石的力学性质差异不大，为了简化计算过程，故而采用相同的目标强度调整系数(如表3)，即根据岩石的泊松比和杨氏模量给定一个参照值，低杨氏模量、高泊松比则调整系数较小，反之越大。
表3
可选的，获取目标区域历史样品的强度调整系数以及岩层单层厚度；依据强度调整系数、岩层单层厚度和基础信息确定第二模型；其中，基础信息为煤体变形特征、采动区煤储层的研究信息、煤炭开采理论和关键层理论。第二模型可以通过公式进行表示，具体表示如下：
其中，S为含煤岩系强度；Fi为岩层岩体的强度调整系数；bi为岩层单层厚度；α为校正系数。bi根据煤岩系层段长度进行确定和划分。
可选的，煤层上覆岩层的沉积环境控制了区内煤层的整体稳定性及其展布规律，在局部的小范围区域内，煤层相对完整，在构造史中构造应力场的大小和方向不会有太大差异。在构造应力的作用下岩层变形与含煤岩系综合力学性质有关，而煤层的变形程度必然受控于煤层顶底板岩性结构和力学性质。所以，在同一个井田区域内，含煤岩系之所以能展现出不同的变形程度，主要受其自身岩性结构控制，即煤储层所位于含煤岩系层段岩体强度的控制。但是，并不是所有岩层均对煤岩储层具有影响作用，根据采动区煤储层的研究与煤炭开采及关键层理论，按经验公式实际计算，按《建筑物、水体、铁路及主要井巷煤柱留设与压煤开采规程》中规定，研究区规划工作面冒落带高度、上裂隙带高度以及下裂隙带高度分别采用如下公式计算：
Hl＝0.7007+0.1079l
其中，Hm为冒落带发育高度；Hf为上裂隙带发育高度；Hl为下裂隙带发育高度；h为采高；∑h为累计采高；l为工作面走向长度。结果表明研究区煤层开采底板破坏深度最大为20m，综合煤层冒落带高度，最终确定含煤岩系层段长度为煤层顶板30m、底板20m。
S140、基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准。
可选的，依据目标煤体结构判识指数和目标含煤岩系强度，建立垂向煤体结构预测结果与目标含煤岩系强度之间的关系图；其中，垂向煤体结构预测结果通过垂向煤体结构判识标准获得；再基于关系图确定区块尺度下的煤体结构判识标准。
其中，获取历史煤体结构判识指数与煤体结构的关系，依据历史煤体结构判识指数与煤体结构的关系，就可以准确确定垂向煤体结构判识标准，垂向煤体结构判识标准可参见下表4。
表4垂向煤体结构判识标准
示例的，对于可乐向斜位于贵州省境内，区内上二叠统宣威组为主要的含煤层系，含煤3-22层，煤层厚度3.9-17.7m(平均7.4m)的目标区域，获取目标区域中32个目标样品，然后通过第一模型确定32个样品的目标煤体结构判识指数，同时通过第二模型确定32个样品的目标含煤岩系强度，32个样品的目标煤体结构判识指数与目标含煤岩系强度之间有一一对应关系，因此将目标煤体结构判识指数与垂向煤体结构判识标准进行比较确定垂向煤体结构预测结果，进一步的就可以建立垂向煤体结构预测结果与目标含煤岩系强度之间的关系图，如图7，通过对图7进行分析，就可以确定区块尺度下的煤体结构判识标准，如下表5。
表5
S150、获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度。
其中，目标岩心材料是通过对目标井的岩心进行钻探得到的。
具体的，随着砂岩所占比例的增大，组合体单轴抗压强度、弹性模量也会增大。煤体在组合体中所处的位置对组合体强度、弹性模量、冲击能量指数均有较大的影响，示例的，对于可乐向斜位于贵州省境内，区内上二叠统宣威组为主要的含煤层系，含煤3-22层，煤层厚度3.9-17.7m(平均7.4m)的目标区域，获取目标区域中1、3、4、6和7井的目标岩心材料，通过对目标岩心材料基于第二模型进行分析分析，可以得到目标岩心材料的参考含煤岩系强度，如表6，同时也可以得出符合结果的煤岩组合类型及S值图，如图8。同时也能得出煤层含煤岩系赋值及S值图，如图9。从图9中可知6、3井主力煤层上部存在一定量的灰岩，下部存在大量砂岩，均具有较高的强度，在沉积演化及后期构造中，对煤岩层起到较好的保护作用，煤体结构较好。而7主力煤层上下韧性岩石层数较多，岩体强度较弱，煤岩层煤体结构较差。
表6
S160、基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
可选的，基于参考含煤岩系强度，采用克里格插值方法获得区块尺度下的煤体结构预测结果的等值线图；然后依据区块尺度下的煤体结构判识标准对等值线图进行分析，以获得区块尺度下的煤体结构。
示例的，对于可乐向斜位于贵州省境内，区内上二叠统宣威组为主要的含煤层系，含煤3-22层，煤层厚度3.9-17.7m(平均7.4m)的目标区域，获取目标区域中1、3、4、6和7井的目标岩心材料的参考含煤岩系强度，然后将参考含煤岩系强度采用克里格插值方法获得区块尺度下的煤体结构预测结果的等值线图(如图10)，再结合区块尺度下的煤体结构判识标准对图10进行分析，就可以得到区块西南部煤体结构较差，存在S＜3.5的部分，其余部分煤体结构较好，普遍S＞3.5，适于进行煤层气勘探开发。
本发明实施例的技术方案，采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；然后基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；同时确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；再基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；同时获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；最后基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。解决了钻井数量少造成的煤体结构识别困难以及难以延伸到区块尺度下的煤体结构识别的问题，实现了更加方便、快捷的对煤体结构的预测。同时，区块尺度下的煤体结构预测方法提高了模型的可靠性和真实程度，根据实际勘探开发需要，合理的选择可以大大降低储层预测时的工作量，具有很好的应用和推广价值。
实施例二
图11为本发明实施例提供的一种区块尺度下的煤体结构预测装置的结构示意图。如图11所示，该装置包括：
特征值确定模块210，用于采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径；
判识指数确定模块220，用于基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系；
第一强度确定模块230，用于确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系；
判识标准确定模块240，用于基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；
第二强度确定模块250，用于获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；
预测模块260，用于基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
可选的，所述关键测井参数是通过对目标区域历史测井参数进行因子分析确定的；所述历史测井参数通过对目标区域历史时刻获得的样品经过分析确定的。
可选的，判识指数确定模块包括第一模型确定单元，具体用于：
获取目标区域历史关键测井参数的特征值，并采用均值聚类法对历史关键测井参数的特征值进行分析，确定关键测井参数特征值的聚类值；
通过最近邻分类器对聚类值进行分析确定第一模型。
可选的，第一强度确定模块包括第二模型确定单元，具体用于：
获取目标区域历史样品的强度调整系数以及岩层单层厚度；
依据强度调整系数、岩层单层厚度和基础信息确定第二模型；所述基础信息为煤体变形特征、采动区煤储层的研究信息、煤炭开采理论和关键层理论。
可选的，判识标准确定模块，具体用于：
依据目标煤体结构判识指数和目标含煤岩系强度，建立垂向煤体结构预测结果与目标含煤岩系强度之间的关系图；所述垂向煤体结构预测结果通过垂向煤体结构判识标准获得；
基于关系图确定区块尺度下的煤体结构判识标准。
可选的，判识标准确定模块包括垂向煤体结构预测结果确定单元，具体用于：
依据历史煤体结构判识指数与煤体结构的关系，确定垂向煤体结构判识标准；
将目标煤体结构判识指数与垂向煤体结构判识标准进行比较，确定垂向煤体结构预测结果。
可选的，预测模块，具体用于：
基于参考含煤岩系强度，采用克里格插值方法获得区块尺度下的煤体结构预测结果的等值线图；
依据区块尺度下的煤体结构判识标准对等值线图进行分析，以获得区块尺度下的煤体结构。
本发明实施例所提供的区块尺度下的煤体结构预测装置可执行本发明任意实施例所提供的区块尺度下的煤体结构预测方法，具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定，且不违背公序良俗。
实施例三
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图12示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图12所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如区块尺度下的煤体结构预测方法。
在一些实施例中，区块尺度下的煤体结构预测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的区块尺度下的煤体结构预测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行区块尺度下的煤体结构预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种区块尺度下的煤体结构预测方法，其特征在于，包括：
采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径；
基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系；
确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系；
基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；
获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；
基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
2.根据权利要求1所述的方法，其特征在于，所述关键测井参数是通过对目标区域历史测井参数进行因子分析确定的；所述历史测井参数通过对目标区域历史时刻获得的样品经过分析确定的。
3.根据权利要求1所述的方法，所述第一模型的构建过程，包括：
获取目标区域历史关键测井参数的特征值，并采用均值聚类法对历史关键测井参数的特征值进行分析，确定关键测井参数特征值的聚类值；
通过最近邻分类器对聚类值进行分析确定第一模型。
4.根据权利要求1所述的方法，其特征在于，所述第二模型的构建过程，包括：
获取目标区域历史样品的强度调整系数以及岩层单层厚度；
依据强度调整系数、岩层单层厚度和基础信息确定第二模型；所述基础信息为煤体变形特征、采动区煤储层的研究信息、煤炭开采理论和关键层理论。
5.根据权利要求1所述的方法，其特征在于，基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准，包括：
依据目标煤体结构判识指数和目标含煤岩系强度，建立垂向煤体结构预测结果与目标含煤岩系强度之间的关系图；所述垂向煤体结构预测结果通过垂向煤体结构判识标准获得；
基于关系图确定区块尺度下的煤体结构判识标准。
6.根据权利要求5所述的方法，其特征在于，所述垂向煤体结构预测结果通过垂向煤体结构判识标准获得，包括：
依据历史煤体结构判识指数与煤体结构的关系，确定垂向煤体结构判识标准；
将目标煤体结构判识指数与垂向煤体结构判识标准进行比较，确定垂向煤体结构预测结果。
7.根据权利要求1所述的方法，其特征在于，基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测，包括：
基于参考含煤岩系强度，采用克里格插值方法获得区块尺度下的煤体结构预测结果的等值线图；
依据区块尺度下的煤体结构判识标准对等值线图进行分析，以获得区块尺度下的煤体结构。
8.一种区块尺度下的煤体结构预测装置，其特征在于，包括：
特征值确定模块，用于采集目标区域至少两个目标样品，并确定目标样品的关键测井参数的目标特征值；所述关键测井参数包括密度、自然伽马、深双侧向电阻率和横向井径；
判识指数确定模块，用于基于第一模型对目标样品的目标特征值进行分析，获得目标样品的目标煤体结构判识指数；所述第一模型描述关键测井参数的特征值与煤体结构判识指数的之间的关联关系；
第一强度确定模块，用于确定目标样品的目标强度调整系数以及目标岩层单层厚度，基于第二模型对目标强度调整系数以及目标岩层单层厚度进行分析，获得目标含煤岩系强度；所述第二模型描述强度调整系数以及岩层单层厚度与含煤岩系强度之间的关联关系；
判识标准确定模块，用于基于至少两个目标样品的目标煤体结构判识指数和目标含煤岩系强度，确定区块尺度下的煤体结构判识标准；
第二强度确定模块，用于获取目标区域多个目标井的目标岩心材料，基于第二模型确定目标岩心材料的参考含煤岩系强度；
预测模块，用于基于参考含煤岩系强度和区块尺度下的煤体结构判识标准，对区块尺度下的煤体结构进行预测。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的区块尺度下的煤体结构预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的区块尺度下的煤体结构预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211431017.3A CN118050823A (zh) | 2022-11-15 | 2022-11-15 | 区块尺度下的煤体结构预测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211431017.3A CN118050823A (zh) | 2022-11-15 | 2022-11-15 | 区块尺度下的煤体结构预测方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118050823A true CN118050823A (zh) | 2024-05-17 |
Family
ID=91050718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211431017.3A Pending CN118050823A (zh) | 2022-11-15 | 2022-11-15 | 区块尺度下的煤体结构预测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118050823A (zh) |
-
2022
- 2022-11-15 CN CN202211431017.3A patent/CN118050823A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009705B (zh) | 一种基于支持向量机技术的页岩储层可压性评价方法 | |
| RU2669948C2 (ru) | Оптимизация многоступенчатого проекта нефтяного месторождения в условиях неопределенности | |
| CN102352749B (zh) | 一种岩溶风化壳白云岩有效储层的识别方法及装置 | |
| CN109115987B (zh) | 一种基于岩石物理模型的流体因子的评价方法及装置 | |
| CN113820750A (zh) | 基于弹塑性力学定量预测泥岩构造裂缝的方法 | |
| CN104047598A (zh) | 非均质古岩溶碳酸盐岩储层产能预测方法 | |
| Galkin et al. | Accounting of geomechanical layer properties in multi-layer oil field development | |
| WO2023000257A1 (zh) | 一种砂岩型铀矿成矿有利部位地质-地震三维预测方法 | |
| CN109870720A (zh) | 一种页岩气微裂缝测井识别方法 | |
| CN115166853A (zh) | 页岩气藏天然裂缝模型建立方法、装置、电子设备及介质 | |
| Li et al. | Logging identification for diagenetic facies of tight sandstone reservoirs: A case study in the Lower Jurassic Ahe Formation, Kuqa Depression of Tarim Basin | |
| CN105301647A (zh) | 区分灰质泥岩和砂岩的方法 | |
| Fan et al. | Quantitative prediction and spatial analysis of structural fractures in deep shale gas reservoirs within complex structural zones: A case study of the Longmaxi Formation in the Luzhou area, southern Sichuan Basin, China | |
| Igor et al. | Specifics of mechanical and strength rock properties estimation for wells drilling and exploitation | |
| CN118050823A (zh) | 区块尺度下的煤体结构预测方法、装置、设备和介质 | |
| CN112065370B (zh) | 一种断块圈闭含油气性的评价方法和装置 | |
| CN112282751B (zh) | 一种地质工程三维耦合的致密油气水平井开采检测方法 | |
| CN112285773B (zh) | 一种隐伏断层二元结构定量表征方法 | |
| CN114109374B (zh) | 页岩气储层靶窗位置的确定方法及装置 | |
| CN115236740A (zh) | 一种基于地震解释成果的导水裂隙带发育高度预测方法 | |
| CN115099014A (zh) | 一种基于随钻录井的天然气井地质探明储量计算方法 | |
| Zhang et al. | Architecture characteristics and characterization methods of fault-controlled karst reservoirs: A case study of the Shunbei 5 fault zone in the Tarim Basin, China | |
| CN111608649A (zh) | 外源补给型页岩气勘探有利区预测方法 | |
| Fu et al. | The relation of the “four properties” and fluid identification of the carboniferous weathering crust volcanic reservoir in the Shixi Oilfield, Junggar Basin, China | |
| CN113756793B (zh) | 页岩油开采方式的确定方法、装置、设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |