煤层气储层分析和认识深入对于提高煤层气单井产量、优选有利开发区非常重要，主要研究内容包括煤层气储层的划分与对比、煤储层的测井解释以及煤层气储层地质模型研究等内容。对煤层气储层的划分与对比，白怀东[1]利用将不同幅值和形态的自然伽马曲线作为识别不同煤层的形态异常标志层来进行煤层的识别和对比; 吕俊维[2]分别从岩性标志层、煤层特有标志层、测井曲线、煤层层间距、煤质特征等方面对阿尔玛勒井田小西沟群进行了煤层综合划分与对比分析;张金元[3]的煤层对比主要以砂体、化石层、特殊沉积层做标志进行，同时考虑层序的旋回性。对煤储层的测井解释方法，原俊红等[4]选取148口煤层气井煤层段测井响应数值进行统计，得到自然伽马、深侧向电阻率、声波时差和补偿中子等测井参数的频数分布，并分析了各测井参数与灰分、裂隙发育、含气量、致密程度和纯度的关系等；马平华等[5]提出煤岩类型和测井曲线之间的响应关系十分复杂，提出了利用多种测井曲线灰色关联法定量划分煤岩类型的方法。对于煤层气储层地质模型的做法，马平华[6]提出四步建模方法，首先建立煤储层空间格架模型，然后建立煤岩相模型和地应力模型，在三者的约束下，通过井点试井渗透率和地应力井点计算渗透率的控制，采用随机模拟技术完成渗透率模型的建立。
笔者以澳大利亚东部低煤阶(Ro =0.6%)煤层气区为例，研发出一套煤储层测井分析和精细地质建模技术：通过采用多级层序旋回控制的高分辨率小煤层层序划分和对比技术，搞清楚煤层气田密井区单煤层储层的歼灭合并分布特征和单井泄流面积，同时，根据区域地质特征，建立基于测井标准化流程的单煤层精细识别和岩相定量解释技术，准确解释煤层的厚度分布，最后，建立气田规模级别的煤层气储层精细地质模型，并提出未来研究方向，以期为区域开发方案和提高产量奠定基础。笔者以澳大利亚东部低煤阶(Ro=0.6%)煤层气区为例，研发出一套煤储层测井分析和精细地质建模技术：通过采用多级层序旋回控制的高分辨率小煤层层序划分和对比技术，搞清楚煤层气田密井区单煤层储层的尖灭合并分布特征和单井泄流面积，同时，根据区域地质特征，建立基于测井标准化流程的单煤层精细识别和岩相定量解释技术，准确解释煤层的厚度分布，最后，建立气田规模级别的煤层气储层精细地质模型，并提出未来研究方向，以期为区域开发方案和提高产量奠定基础。
1 区块地质概况
澳大利亚东部煤层气区为澳大利亚东部洼陷构造煤层气区的单翼，东北高、西南低。在煤层气气田钻井密井区井数多，井距一般400～600 m，其余部位钻井分布不均，井距大。研究区目的层系为中侏罗统walloon亚群低煤阶(Ro=0.6%)煤系地层，目的层划分为Juandah 和Taroom两套大煤层组，6个中煤层组(Condamine,Utaroom,Argyle,Wambo,Macalister 和Kogan)和上百个小煤层组(图1)。气田区年产气10亿m3左右，含气饱和度高，达到 90%～100%，含天然气纯度高，主要以甲烷为主，达到 98.4%.平均含气量为 3.0～3.5 m3/t，煤储层渗透率大，一般介于150×10-15～380×10-15 m2。目前在产气田开发井数300多口，开井数200多口，开发井位设计一般都是基于煤组级别储层研究完成。近年来日产气约270万m3/d，日产水9 000 m3/d，水气比约0.003 4，单井产量差别大，因此急需要建立一套精细煤储层描述和分析技术，进一步优化井位设计，提高单井产量和总产量。
图1 研究区位置图与目的层系
Fig.1 Study area and targets column
2 多级层序旋回控制的高分辨率小煤层层序划分和对比技术
煤系的旋回结构是煤系地层的重要特征，反映了煤系沉积层序中有共生关系的岩性、岩相等特征有规律的重复交替现象。层序地层学应用于内陆盆地煤层气地质勘探开发，是对煤层气地质学的新探索新手段[7]，层序旋回识别与对比是煤系地层高分辨率小煤层层序划分和对比的理论基础。
目的层系中侏罗统低煤阶煤系地层属于河流相沉积，纵向发育Juandah和Taroom 2套大煤层组，包含6个小煤层组;埋深跨度0～600 m;上百个单煤层，单煤层平均厚度0.3 m，同时存在分叉、合并和尖灭现象。刻画单煤层空间分布规律难度大，因此，必须进行多级层序旋回控制的高分辨率小煤层层序划分。
在多级层序旋回识别的过程中，首先识别确定单旋回特征(图2)，表现为:旋回底部为河道砂岩，向上变细变为决口扇、点坝砂岩或者湖相泥岩以及沼泽煤相，总体为正沉积旋回。在此基础上发现，聚煤沉积主要出现在层序旋回向上变细的上升半旋回的上部[8-10],中级旋回为亚段级别，属于四级层序旋回，是含一个或多个单煤层的短旋回的叠加，中长旋回为层组级别，属于三级层序旋回，是多个中级层序旋回的叠加[11]。六级单旋回层序是专门针对单煤层的对比，在同一中期层序级别中，考虑煤层厚度和韵律的变化，进行高分辨率六级层序格架对比(图3(b))。六级单旋回层序的准确划分是单煤层对比准确的基础。
图2 层序对比原则与方法
Fig.2 Principle and methods of sequence correlation
根据实际资料，完善三级层序，识别四级层序[12]，建立反映单煤层的高分辨率六级层序格架;共获得6个三级层序、20个四级层序(图3(a))和125个六级层序(图3(b))。六级层序划分到单煤层，单煤层具有分叉、合并、尖灭的特点，通过划分出煤层顶底界面，获得各个煤层侧向连续性变化特征。
图3(b)中A4-3_R与A4-3_F分别是一个单煤层的顶和底，Argyle煤组和其他5个煤组一起共划分了125个类似的单煤层。
在此基础上，完成各个单煤层的厚度分布分析(图4)，并统计有厚度分布范围内的煤层分布面积(图4(a)黄绿色区域面积)与该范围内的平均单煤层厚度关系(图4(a)黄绿色区域平均厚度)，由于尖灭单煤层之间为非煤岩相，这种统计相当于单煤层泄流面积与厚度关系(图4(b))。通过把多数单煤层厚度结果代入图4(b)公式，发现泄流面积达2.25～4.00 km2，平均单煤层泄流范围一般在1 500～2 000 m，该结果为建立单煤层规模的地质模型提供参数范围依据。
3 基于测井标准化流程的单煤层精细识别和岩相定量解释技术
Surat盆地具有上百口井、覆盖面积大，达上万平方公里、钻井有煤层气井、煤矿井、水井等多类井型，并且测井服务公司多家、测井时间跨度50 a时间长，导致薄煤储层识别和解释具有困难，通过对测井资料的复杂性分析以后，建立了一套基于测井标准化流程的单煤层精细识别和岩相定量解释技术，主要包括以下几个方面。
3.1 预处理后拾取高、低标准参数的标准化流程
首先对于收集到的测井曲线包括自然伽马(GR)、密度(DEN)等曲线做预处理，包括:将不同时间段采集的测井曲线合并，消除测井曲线的奇异值，然后根据不同的井眼状况，将测井曲线拆分为裸眼井段(-OH)和套管井段(-CASED)进行测井曲线标准化。
常规储层的测井曲线标准化方法有标志层法和趋势面法[13]，邵才瑞、王志章等分别利用多套非渗透性致密泥岩层或多套标准砂岩层作为“视标准层”，有效解决标准层的选取问题。还有一些学者采用希尔伯特变换频谱分解及井震联合测井数据标准化处理新技术等来提高测井曲线标准化的精度[14-16]。
图3 三级、四级和六级层序旋回对比剖面
Fig.3 Sequence cycle correlation section of third-order，fourth-order and sixth-order
图4 单煤层(M3-3 ply)厚度分布与厚度和煤层泄流面积关系分析
Fig.4 Ply thickness map and the relationship of ply thickness vs drainage area
通常的标志层法是通过在含煤地层中选择广泛分布，且特点鲜明的层作为标志层，选择测井曲线完整，测井曲线质量良好的井作为标准井，通过对比，确定被标准化井与标准井的标准层之间的差值，利用测井解释软件对测井曲线加以标准化。标志层法和趋势面法主要区别在于，标志层法认为不同稳定地层单元的测井响应是一定值，不随井位的变化而变化，即使变化也是在一个很窄的范围变;而趋势面分析法认为即使是同一标准层，其测井响应也不是一成不变的，其在平面上的变化往往遵循一定的变化趋势。根据测井曲线的实际情况结合研究区的区域地质概况，笔者经过仔细对比分析，以区域砂岩层作为最大峰值和煤层对应的最小峰值测井值为标准层。其中，砂岩与煤层在电性上易于识别。
测井标准层和标准井的选择在一定程度上决定着煤层气储层测井曲线标准化的准确性[17]。为了保留澳大利亚东部煤层气区的区域地质特征变化性，根据区域地质单元划分结果，划分多级研究区域，在不同区域选取适合该区域的关键井，关键井优选的原则是:井深贯穿整个目的层段，具有良好的井眼条件，各类岩性分布同时具有岩芯和岩芯描述信息，与周围井区域地质背景相似。在此基础上，根据资料情况，采取了双标志层进行标准化研究，建立了标准化流程(图5(a))。国内王千遥等采用过的也是此方程，拾取关键井的泥岩或粉砂岩标志层的高标准参数[18]，还有累积煤层标志层的低标准参数，即:选择粉砂岩平均密度值作为最大峰值，煤层密度平均值作为最小峰值，对被标准井进行最小峰值、最大峰值两点控制的平移(图5(a),(b))，标准化后的测井曲线分布更加集中，消除了测井数据的奇异值(图5(c),(d))。
3.2 基于岩性与电性定量分析的薄煤储层厚度、岩性岩相定量精细解释
充分利用连续取心井资料，综合分析岩性与电性关系，定量识别不同岩性，精确解释薄煤储层，形成精细定量解释技术。澳大利亚东部煤层气区的煤层测井曲线特征为低密度、低伽马。在分析连续取芯井并进行岩芯归位以后，砂岩测井曲线特征显示为中高密度、低伽马，粉砂岩测井曲线特征表现为中伽马、高密度，而泥岩特征显示为高伽马、高密度，煤层的测井曲线与岩芯特征对比来看，岩性与电性特征对应性好(图6(a))。以此为基础，对研究区所有井5种岩性的密度和伽马分布进行分析，发现同一岩相在自然伽马、密度上截止值非常接近(图6(b))。砂岩:GR<66 API，DEN>2.0 g/cm-3，粉砂岩:102>GR API>66，DEN>2.0 g/cm-3，煤:DEN<1.8 g/cm-3，碳质页岩:2.0 API>DEN API>1.8 API，泥岩:GR>102 API，DEN>2.0 API。测井解释结果表明，125个单煤层厚度范围0.4～2.7 m，单煤层“尖灭、合并、分叉”特征明显。6个煤组中，Maclister 和Condamine个煤组的煤层厚度超过7 m其他煤组厚度略薄。结合岩芯井的岩性组合、电性，确定河流沉积相类型，进一步分析各个微相的岩性和电性特征，划分识别5种微相类型:河道、泛滥平原、湖坪、沼泽、碳质沼泽(图7(a))，建立该区岩性-相类型图版，并与所有井5种岩性定量解释结果比较，发现这5种岩性解释结果大体与5种微相类型相对应[19-20]。 通过对所有已有钻井微相定量解释，结合对河道和单煤层分布的研究，提出研究区河流相概念模型(图7(b))。各类岩性密度、自然伽马定量的截止值不仅可以准确划分煤层的上下边界、煤层厚度以及煤层厚度分布特征，同时，还可以确定其他岩性的厚度和分布，而对测井解释煤层厚度的验证是通过把测井解释煤层厚度与所有具有岩芯和成像测井数据井的煤层厚度比较，一致性好或者误差最小且少(图8)，该结果为未来建模奠定了数据基础。
图5 测井曲线标准流程((a),(b))和DEN测井曲线标准化前后对比((c),(d))
Fig.5 Log normalization workflow((a)，(b)) and the comparison map of before and after normalization((c),(d))
图6 单井柱状图与岩性识别模板
Fig.6 Well column including cores and lithofacies cutoff map
图7 测井解释微相类型和概念模型
Fig.7 Micro facies types based on log interpretation and facies concept map
图8 测井解释煤层与岩芯和成像解释结果对比
Fig.8 Comparison column of logs,core and FMI interpretation
4 建立单煤层级别(PLY-BASE)煤层气田精细地质模型
伴随着20世纪80年代的计算机技术迅速发展，油藏的三维空间定量描述和预测的综合技术-油藏描述技术得到了很大的发展，而建立三维定量模型是现代油藏描述的核心[21]。煤层气三维地质模型和常规油气藏模型一样[22]，综合了数学地质、地质统计学、地球物理和油层物理学等各种学科，最大限度的揭示煤层气储层内部地质结构、外部形态、储集能力、属性参数分布以及气藏特征等[23-25]，使煤层气工作者更加全面的掌握煤层气藏的内部结构和其中的煤层分布规律，可以实现煤层气储层的精细描述和建模[26]。
笔者以气田范围内密井区开发井位为基础，首次探索建立了PLY-BASE单煤层地质模型。主要算法就是对于井数据丰富的区域根据确定性资料给出确定性的结果和真实的储层参数分布，是一种确定性地质建模[27]。具体来说就是，在运用多级层序旋回控制的高分辨率小煤层层序划分和对比基础上，进行综合测井曲线单煤层识别和顶底划分，通过连井对比并与钻井-地震和地面露头的地理信息数据(GIS)结合进行综合分析，确定单煤层边界侵蚀尖灭边界，在此基础上，建立准确的单煤层级别的构造格架模型，这种方法的重点是充分描述单煤层的构造变化，与但玲玲的方法不同[24]，为了准确分析煤层气属性的三维空间分布，综合地质分析与算法经验作为模型约束算法，并结合变差函数分析进行，对不同属性参数采用不同的计算方法，(PLY-BASE)煤层气田精细地质模型建立能准确描述密井区气田范围内单煤层的空间分布和变化规律，进一步刻画小煤层组、大煤层组厚度分布，获得准确储量计算结果，为其他区域大规模开发区建模和区域优选奠定基础。
4.1 地质模型网格设计
根据气田建模区域面积及井位间距，三维精细地质模型的网格平面上设置为100 m×100 m，在垂向上每个网格的厚度是一个单煤层或一个夹层，三维地质模型的网格为:X方向260个网格，Y方向220个网格，Z方向257个网格，共计为14 700 400个网格。
4.2 构造模型建立
构造模型反映了煤层气藏基本的空间格架，是后续储层属性参数建模的前提。在精细可靠的构造模型基础上模拟得到的煤层气储层属性分布才更加接近客观实际[28]。气田共存在5条断层，断层的延伸长度长，倾角度数高，延伸范围介于2 000～5 000 m;所有5条断层都分布在井之间，没有穿井而过。以气田范围内地形地理信息数据(GIS)，Upper Taroom和Condamine顶面作为主层面，共建立200个层位，包括125个单煤层顶底层和250个相邻夹层，分析建立好的三维地质模型，可以发现整个气田的构造是一个单斜，北东向高，南西向低;部分地层在北东向遭受侵蚀(图9)。
4.3 多属性建模
煤层气储层的属性有多类，主要包括:储层埋深、煤层厚度、干燥无灰基含气量、朗格缪尔压力与朗格缪尔体积，渗透率、灰分、湿度和煤样密度[29-31]。本次建模为了降低地质模型的不确定性，利用确定性信息来限定随机建模过程，基于岩芯和测井数据，建立:干燥无灰基含气量、渗透率与埋深关系，朗格缪尔压力与朗格缪尔体积关系，朗格缪尔体积与密度关系，灰分与密度关系，湿度分布规律等参数定量关系(表1、图10)。
干燥无灰基含气量的测定方法一般采用快速含气量测定方法，即:在现场采集具有一定块度的煤芯样品400～500 g装入球磨罐，并自然解吸8 h，然后球磨破碎15～30 min(灰分较高或高煤级的煤破碎60 min)，放入恒温装置自然解吸;以后重复破碎、解吸，直到连续两次破碎、解吸的气量均小于10 cm3，快速气含量测定结束。每次测定，在记录表中记下球磨时间、解吸时间、解吸气体积及环境温度、大气压力。
图9 单煤层级别(PLY-BASE)煤层气田精细地质模型和剖面
Fig.9 Ply-base geo-model and section profile
表1 煤层气储层属性关系
Table 1 Coal reservoir property table
序号属性参数相关关系1干燥无灰基含气量Qdaf与埋深D关系Qdaf=4.0813lnD-19.695,R2=0.3172朗格缪尔压力pL与朗格缪尔体积VL关系pL=0.3232VL-0.404,R2=0.8263朗格缪尔体积VL与密度ρ关系VL=20.992ρ-14.549,R2=0.8504渗透率K与埋深D关系K=5521.8e-0.008D,R2=0.7145岩芯密度RD与测井密度DEN关系RD=0.5637DEN+0.5497,R2=0.9616灰分A与岩芯密度RD关系A=87.88RD-101.78,R2=0.5347湿度M与埋深D关系M=-2.229lnD+18.818,R2=0.653
图10 煤层气储层属性关系
Fig.10 Coal reservoir property chart
等温吸附曲线测试方法一般采用注入甲烷气体或者氦气等采集压力法。该实验温度一般在26～41 ℃，压力一般在3.3～10 MPa。制取粒度0.25～0.18 mm(60～80目)的煤样200 g。打开调节阀门，向系统注入甲烷气体和氦气，调节参考缸压力至目标压力。进行数据采集时一般需要达到目标压力，温度稳定后，自动采集样品缸和参考缸的时间、温度压力相关数据;平衡时间一般需要考虑视变质程度、样品质量确定，一般不少于12 h。
煤的水分是指分析煤样的内在水分，即吸附或凝聚在煤颗粒内部的毛细孔中的水。通常采用通氮干燥法:即称取一定量的分析试验煤样，放置在105～110 ℃干燥箱中，在干燥氮气流中干燥到质量恒定，然后根据煤样的质量损失计算出水分的质量分数。
煤的灰分采用缓慢灰化法，即称取一定量的一般分析试验煤样。放入马弗炉中，以一定的速度加热到815 ℃左右，灰化并灼烧到质量恒定。以残留物的质量占煤样质量的质量分数作为煤样的灰分。
密度:煤的真相对密度20 ℃时(不包括煤的孔隙)的质量与同体积水的质量之比，测试方法为:以十二烷基硫酸钠溶液为浸润剂，使煤样在密度瓶中润湿沉降并排除吸附的气体，根据煤样排除的同体积的水的质量算出。
渗透率是试井渗透率，也是相对渗透率。利用地面泵注系统对煤层注入一定量的液体，能够克服以上弊端并在井筒周围形成一个单相流动的压力升高区，然后关井测试其压力降落历史曲线。之后进行4个周期的微破裂测试，经过软件处理，求取各项储层参数。
在模型中，测井密度和岩芯密度模型的建立方法为:将标准化后的密度测井曲线做为输入数据进行测井密度粗化研究，对测井密度<1 800 kg/m3进行粗化研究，>1 800 kg/m3部分则设置为空值。井控密度程度高时，测井密度使用克里金法进行建模，而井控程度低时则使用移动平均法建模，确保密度模型结果更加的接近实际情况。测井密度变差函数设置主要包括:主变程和次变成的设置，均来自于对单煤层泄流范围的统计分析结果，垂向变程的设置是依据单煤层的平均厚度。岩芯密度模型是从岩芯密度与测井密度的数据分析中关系中获得的。
湿度模型:采用原地湿度的平均值。
灰分模型则从灰分与岩芯密度的数据分析中获得。渗透率模型从渗透率和深度变化关系数据分析中得到的。
干燥无灰基含气量模型:干燥无灰基含气量和深度关系建议一个干燥无灰基含气量趋势，该趋势与样品点的干燥无灰基含气量相减获得样品点干燥无灰基含气量残差和煤层干燥无灰基含气量残平面图，此面与干燥无灰基含气量趋势面相加，就可以获得干燥无灰基含气量模型。煤储层含气量模型Q(m3/t)最终根据灰分、湿度、干燥无灰基含气量的关系建立(干燥无灰基含气量×(1-灰分-湿度))。
NTG模型:建立NTG曲线，如果岩芯密度模型≤1 800 kg/m3，NTG=1;反之，则NTG=0;NTG模型建模算法采用克里金方法。
兰氏体积与兰氏压力模型则使用在物性参数分析中的趋势建立兰氏体积与兰氏压力模型，见表1中2，3。
4.4 容积法储量计算方法
体积法是在煤层气地质储量计算方法中最为常用的方法。由于煤层气藏的煤层是以有机质为主，并且煤层中的气体主要为吸附气，导致煤层地质储量G计算的参数选取和常规气藏储量计算的方法有所不同，主要采用的是煤层气含气量乘以煤层的质量，即
G=QM
(1)
式中，Q为煤储层的含气量,m3/t;M为煤层的总质量，t。
具体到模型中就是分别求取每一个有效网格的煤层气体积，最后将所有的有效网格的值累加，就算出整个区块的煤层气地质储量。在模型中的煤层气地质储量计算公式为
G=∑VbulkNTGQρ
(2)
式中，Vbulk为网格体积;NTG为确定该网格是否为煤层的标志，是煤层则为1，反之为0;ρ为密度，kg/m3。
在建立好的气田模型中获得地质储量，即:G=VbulkNTG×RD×Q;当岩芯密度的CUTOFF值为1 800 kg/m3时，计算出煤层气田地质储量约为480亿m3。
地质模型的可视化也可以提高对气藏的认识，通过精细地质模型研究，可以在该模型中设计优化钻井井位，和老井生产效果分析相结合，进一步布署高产井位。同时，通过在精细地质模型基础上开展历史拟合数值模拟，从而合理计算采出程度以及采收率等指标，进一步用来优化钻井数量和井位部署，为开发方案优化和全区优选有利区奠定基础。
地质模型的存在为地质师、油藏工程师、钻井师提供了一个交流的平台，整合可靠的数据，如井资料等硬数据或者模型所依据的合理地质概念的建立，对提高整个气藏的开采效果和经济价值意义重大。
5 下一步研究重点
在密井区气田范围获得准确的单煤层分布和储量认识是获得整个大区域地质模型和储量的基础和标准。建立全区河流沉积相精细地质模型，首先,对于河道砂岩，需要进行区域范围内的砂岩对比，定义河道的平面分布参数和分析河道垂向分布特征;对于煤层，从ply-based模型研究中获得流动单元和泄流面积关系，并且进行类比分析，研发河流相控煤沼随机模拟，建立一个包括对储层结构有重要影响的沉积要素的三维随机定量模型，包括预测全Surat区域河道砂岩、煤沼泽相等的三维空间展布，确定P50,P90和P10等煤沼储量与分布。一方面支持气田区域煤层气产量稳定生产，另一方面为全区整体开发计划提供依据。
6 结 论
(1)综合沉积旋回、测井曲线，通过采用多级层序旋回控制的煤系地层层序划分和对比技术，建立了以煤层序为目标的多级高分辨率层序格架，刻画了单煤层储层的尖灭合并分布特征和单井泄流面积范围。
(2)以标准化的测井数据为基础的煤层精细解释和多岩性定量分析确保了煤层解释的准确性，并确定了包括5种微相类型的河流相概念模式。
(3)建立了气田范围内ply-based 煤层气精细地质模型，明确了煤层气构造和属性参数模型计算方法，搞清了煤层气储层分布特征和地质储量，为确定未来在全区进行河流相控煤沼随机模拟的研究重点和开发方案优化以及优选开发有利区奠定基础。
[1] 白怀东,王新民,王文博,等。基于测井曲线的煤层对比划分及煤层合并成因分析[J].陕西煤炭,2017(4):37-41.
BAI Huaidong,WANG Xinmin,WANG Wenbo,et al.Analysis on the coal seams correlation and coal seams merging based on logging curve[J].Shanxi Coal,2017(4):37-41.
[2] 吕俊维.阿尔玛勒井田地质特征及煤层对比分析[J].现代矿业,2017(2):19-24.
LU Junwei.Geological characteristics and comparison and analysis of coal seams of aermale coal coalfield[J].Modern Mining,2017(2):19-24.
[3] 张金元.四川乐威地区晚三叠世含煤地层划分及煤层对比[J].四川地质学报,2014,34(4):493-495.
ZHANG Jinyuan.Upper triassic coal-bearing stratigraphic division and correlation in the leshan-weiyuan region,Sichuan[J].Journal of Sichuan Geology,2014,34(4):493-495.
[4] 原俊红,付玉通,宋 昱.深部煤层气储层测井解释技术及应用[J].油气地质与采收率,2018,25(5):24-31.
YUAN Junhong,FU Yutong,SONG Yu.Logging interpretation technology and its application to deep coalbed methane reservoir Logging interpretation technology and its application to deep coalbed methane reservoir[J].Petroleum Geology and Recovery Efficiency,2018,25(5):24-31.
[5] 马平华,金留青,何俊,等.黔西地区高煤阶煤储层测井综合解释[J].煤炭工程,2017,49(4)：112-116.
MA Pinghua,JIN Liuqing,HE Jun,et al.Logging comprehensive interpretation of high rank coal in Western Guizhou [J].Coal Engineering,2017,49(4)：112-116.
[6] 马平华,邵先杰,霍梦颖,等.煤储层地质建模思路与方法——以鄂尔多斯盆地东南缘韩城矿区为例[J].石油与天然气地质,2018,39(3):601-610.
MA Pinghua,SHAO Xianjie,HUO Mengying,et al.Concepts and methods for coalbed geology modeling:A case study in the Hancheng mining area,Southeastern margin of Ordos Basin[J].Oil & Gas Geology,2018,39(3):601-610.
[7] 桑树勋,秦勇,范炳恒,等.层序地层学在陆相盆地煤层气资源评价中的应用研究[J].煤炭学报,2002，27(2):113-118.
SANG Shuxun,QIN Yong,FAN Bingheng,et al.Study on sequence stratigraphy applied to coalbed methane resource assessment[J].Journal of China Coal Society,2002，27(2):113-118.
[8] 张翔,贾东力,杨德寿,等.高分辨率层序格架内煤层发育特征及聚煤规律研究[J].煤炭技术,2015,34(4):134-137.
ZHANG Xiang,JIA Dongli,YANG Deshou,et al.Characteristics of coal mines of high resolution sequence stratigraphy and coal accumulation law[J].Coal Technology,2015,34(4):134-137.
[9] 魏恒飞,陈践发,郭旺,等.西湖凹陷平湖组层序地层划分和聚煤特征[J].吉林大学学报(地球科学版),2013,43(3):669-679.
WEI Hengfei,CHEN Jianfa,GUO Wang,et al.Concentrating coal characteristics and sequences stratigraphic division of Pinghu formation in Xihu depression[J].Journal of Jilin University(Earth Science Edition),2013,43(3):669-679.
[10] 翟爱军,邓宏文,王洪亮.鄂尔多斯盆地上古生界煤层在层序中的位置及对比特征[J].中国海上油气·地质,2000(3):35-38.
ZHAI Aijun,DENG Hongwen,WANG Hongliang.Sequence stratigraphy and correlation of upper paleozoic coal-bearing formations in ordos basin[J].China Offshore Oil and Gas,Geology,2000(3):35-38.
[11] FENG Shuo,HE Jing,TIAN Jijun,et al.THE characteristic and evolution of coal-forming swamp in Hanshuiquan district,Santanghu Coalfield,Xinjiang,NW China,during the Middle Jurassic:Evidence from coal petrography,coal facies and sporopollen[J].International Journal of Coal Science & Technology,2019,6(1):1-14.
[12] 魏恒飞,陈践发,张铜磊,等.西湖凹陷花港组层序地层划分和聚煤特征[J].煤炭学报,2012,37(S1):149-156.
WEI Hengfei,CHEN Jianfa,ZHANG Tonglei,et al.Sequence stratigraphic division and concentrating coal characteristics of Huagang formation in Xihu depression[J].Journal of China Coal Society,2012,37(S1):149-156.
[13] 肖佃师,黄文彪,张小刚,等.王府凹陷青山口组含油气泥页岩层的测井曲线标准化[J].东北石油大学学报,2014,38(1):46-53,116,3-4.
XIAO Dianshi,HUANG Wenbiao,ZHANG Xiaogang,et al.Normalization of logging data of oil bearing mud shale of Qingshankou formation in Wangfu depression[J].Journal of Northeast petroleum University,2014,38(1):46-53,116,3-4.
[14] 王苫社.基于小波及分形的嵌入式图像编码算法研究[D].大庆:大庆石油学院,2010.
WANG Shanshe.Research on embedded image coding algorithm based on wavelet and fractal[D].Daqng:Daqing Petroleum Institute,2010.
[15] HARROUNI S.New method for estimating the fractal dimension of discrete temporal signals[J].IEEE International Symposium on Industrial Electronocs,2008:2497-2502.
[16] 陈守吉,张立明.分形与图像压缩[M].上海:上海科技教育出版社,1998:45-90.
[17] FALCONER K J.Fractal Geometry:Mathematical foundations and applications[M].Shanghai:Shanghai Science and Technology Education Press,1998:45-90.
[18] 王千遥.煤田测井资料标准化方法研究[J].中国煤炭地质,2018,30(5):77-81.
WANG Qianyao.Study on coalfield well logging data normalization method[J].Coal Geology of China,2018,30(5):77-81.
[19] ZHANG Yanzhong,XIAO Lin.Petrographic characteristics and depo-sitional environment of No.6 coal from Xiaoyugou Mine,Jungar Coalfield,China[J].International Journal of Coal Science & Technology,2014,1(4):395-401.
[20] SINGH PRAKASH K,SINGH VIJAY K,SINGH M P,et al.PETROGRAPHIC characteristics and paleoenvironmental history of EOCENE lignites of CAMBAY basin,WESTERN India[J].International Journal of Coal Science & Technology,2017,4(3):214-233.
[21] 吕雪祥.非常规油气藏地质建模与数值模拟一体化技术研究[J].中国煤炭地质,2012,24(8):85-91.
LÜ Xuexiang.A study on unconventional hydrocarbon reservoir modeling and A/D integration technology[J].Coal Geology of China,2012,24(8):85-91.
[22] 王利,蔡云飞,侯鸿斌.煤层气储层描述技术及其应用[J].天然气工业,1997,17(6):28-30.
WANG Li,CAI Yunfei,HOU Hongbin.Coal bed gas reservoir description technology and its application[J].Natural Gas Industry,1997,17(6):28-30.
[23] 姜在炳.煤层动态建模技术及应用[J].煤炭学报,2006,31(1):40-44.
JIANG Zaibing.Dynamic modelling technology of coal seam and its application[J].Journal of China Coal Society,2006,31(1):40-44.
[24] 但玲玲,尹彦君,石雪峰,等.澳大利亚G盆地煤层气地质建模技术[J].承德石油高等专科学校学报,2018,20(2):10-14.
DAN Lingling,YIN Yanjun,SHI Xuefeng,et al.Geological modeling of CBM reservoir in G basin of Australia[J].Journal of Chengde Petroleum College,2018,20(2):10-14.
[25] SINGH PRAKASH K,RAJAK P K,SINGH M P,et al.PEAT swamps at GIRAL lignite field of BARMER basin,Rajasthan,WESTERN India:Understanding the evolution through petrological modeling.International Journal of Coal Science & Technology,2016,3(2):148-164.
[26] 胡亚斐,张遂安,吴峙颖.基于地质多元统计分析的煤层气含量建模方法:以沁水盆地南部某区块3号煤层为例[J].煤田地质与勘探,2013,41(2):33-36.
HU Yafei,ZHANG Suian,WU Zhiying.The gas content modeling method based on geological statistical analysis:With seam No.3 in southern Qinshui basin as an example[J].Coal Geology and Exploration,2013,41(2):33-36.
[27] 黎明.延长油田正72井区确定性建模研究[J].新疆石油科技,2018,28(3):54-60.
LI Ming.Study on deterministic modeling of Zheng 72 well area in Yanchang oilfield[J].Xinjiang Petroleum Science and Technology,2018,28(3):54-60.
[28] 龙胜祥,张永庆,李菊红,等.页岩气藏综合地质建模技术[J].天然气工业,2019,39(3):47-55.
LONG Shengxiang,ZHANG Yongqing,LI Juhong,et al.Comprehensive geological modeling technology for shale gas reservoirs[J].Natural Gas Industry,2019,39(3):47-55.
[29] 吴海波,徐宏杰,张平松,等.基于地震反演参数的煤层气储层甜点区预测[J].煤炭科学技术,2018,46(7):218-222.
WU Haibo,XU Hongjie,ZHANG Pingsong,et al.Sweet-spot prediction for CBM reservoir based on seismic inversion parameters[J].Coal Science and Technology,2018,46(7):218-222.
[30] 茹婷.基于数值模拟方法的煤储层参数敏感性分析[J].中国煤炭地质,2017,29(4):31-34.
RU Ting.Coal reservoir parameters sensitivity analysis based on numerical simulation[J].Coal Geology of China,2017,29(4):31-34.
[31] 刘蔚,诸葛月英,朱宇清,等.大宁—吉县地区煤层气测井综合研究[J].天然气工业,2004(5):45-47,148.
LIU Wei,ZHUGE Yueying,ZHU Yuqing,et al.Synthetic research on coalbed methane logs of Daning-Jixian region[J].Natural Gas Industry,2004(5):45-47,148.
