煤炭开采会引起地质结构和地质条件的变化，导致覆岩及地表发生损害，进而诱发地下水资源流失、土地荒漠化等一系列地质环境问题[1-3]。导水裂隙带发育高度是保水采煤的关键参数，是采煤是否引起含水层地下水渗漏的决定性因素。因此，精确探测导水裂隙带发育特征意义重大[4-6]。导水裂隙带探查研究的主要方法有经验公式、相似材料模拟、数值模拟、钻探、微震检测、瞬变电磁、三维地震等方法[7-12]。
三维地震在埋深较大的综采工作面采空区探测方面应用较广。所采用的技术方法大致有3种：一是利用地震属性技术识别采空区并进行边界刻画[13-15]；二是对采空区地震反射波场进行二维正演模拟，分析不同填充模式下采空区地震波场的振幅特征[16-17]；三是利用四维地震技术(单次采用常规三维观测系统)研究煤层覆岩采动破坏时空变化规律[18-20]。
以上研究对煤矿采空区识别、导水裂隙带发育高度探测均取得一定效果。但存在以下问题：一是以往采空区波场特征研究主要针对煤层，忽略了煤层采动后上覆岩层波场的变化，对导水裂隙带波场特征研究较少；二是以往研究主要是将导水裂隙带作为各向同性介质进行研究，事实上导水裂隙带属于各向异性介质，造成解释精度不够；三是以往解释方法以叠后地震解释方法为主，导水裂隙带中发育不同尺度的裂隙，叠后地震对大尺度、中等尺度裂隙识别有一定效果，但对于小尺度裂隙需利用叠前地震解释技术进行研究。笔者通过测井、钻探资料分析和三维模型正演对导水裂隙带地震响应特征进行研究，探讨基于三维地震的导水裂隙带解释方法，建立一套适宜回采工作面导水裂隙带地震识别方法，并利用该方法对陕北某矿综采工作面导水裂隙带发育高度、发育形态和空间变化规律进行研究。
1 研究区概况
研究区位于陕北侏罗纪煤田某煤矿，地表为第四系全新统风积沙，厚度8～18 m，其下依次为第四系更新统萨拉乌苏组(潜水含水层)、新近系上新统保德组、侏罗系中统安定组、直罗组和含煤地层延安组(图1)。
图1 研究区地层综合柱状
Fig.1 Comprehensive geological histogram of the study area
研究区112201综采工作面为该矿首采工作面，倾向长350 m，开切眼所在首采工作面煤层已经全部采空，工作面两侧尚未开采。地层总体为走向NNE、倾向NWW、倾角不足1°的单斜构造。工作面内未发现断层和明显的褶皱构造，亦无岩浆活动，构造简单。所采煤层埋深305～310 m，平均煤厚5.8 m，开采厚度5.8 m。
目前，对大采高综采工作面裂隙带发育高度和发育形态尚未完全掌握。为了查明大采高综采工作面导水裂隙带发育高度、发育形态和空间变化规律，在工作面开切眼附近地表开展高密度三维地震探测，覆盖次数为64次，面积约0.31 km2，CDP网格为5 m×5 m；400 m有效偏移距内横纵比为1∶1。探测范围为：南西边界位于工作面开切眼外60 m处，北东边界位于工作面内距开切眼450 m处，南东和北西边界位于工作面巷道外100 m处(图2)。该探测范围可保证高密度三维地震满覆盖数据能覆盖到未采、已采煤层，以便对比研究。另外，高密度三维地震探测范围内还施工了D1、D2、D4三个工作面内导水裂隙带探查孔和D5、D6两个工作面外导水裂隙带发育特征对比孔(图2)，以便通过钻探和高密度三维地震数据融合精细分析导水裂隙带的空间变化规律。本次地震数据采集是在钻探工程刚结束后开始的，历时14 d，112201工作面已回采10个月，长度4 km。
图2 研究区位置示意
Fig.2 Position of study area
2 导水裂隙带地震识别方法
为了研究导水裂隙带地震识别方法，笔者首先对导水裂隙带的地球物理特征进行研究，在此基础上结合以往导水裂隙带的研究成果，建立三维正演模型研究导水裂隙带的反射波特征，并结合测井、钻探资料探讨基于三维地震的导水裂隙带解释方法，建立一套适用于适宜回采工作面导水裂隙带的煤层开采导水裂隙带地震识别方法。
2.1 地球物理特征
2.1.1 测井响应特征
测井资料对导水裂隙带反映较灵敏，以D1号钻孔为例，在距地表孔深151 m处电阻率突然增大，自然电位也随之减小，自然伽马(长短源距)出现大尖峰状，冲洗液漏失量突然增大，分析认为是导水裂隙发育导致(图3)。
图3 测井曲线
Fig.3 Logging curves
为了定量解释裂隙发育情况，将电阻率、自然伽马、自然电位、密度重采样后结合冲洗液漏失量解释成果进行交汇分析裂隙测井响应特征，如图4所示。
图4 测井资料交汇
Fig.4 Logging data intersection
虽然钻孔冲洗液漏失量观测是一种常用的导水裂隙带高度探测方法，但分辨率较低[21-22]。测井资料分辨率较高，但是单一测井数据对裂隙的解释误差较大，笔者利用主成分分析对电阻率、自然伽马、自然电位、密度和冲洗液漏失量重采样后的数据进行融合，结合测井的分辨率、漏失量数据的准确性形成裂隙解释的定量指标。
主成分分析是考察多个变量间相关性的一种多元统计方法，通过少数几个主成分(新的综合指标)来揭示多个变量间的内部结构，尽可能多地保留原始变量的信息。经过地质综合分析，选取第1个综合指标，即第1主成分，PC1分量命名为“裂隙指示曲线”[23-24]。由图3可以看出，裂隙指示曲线对裂隙反映敏感、分辨率较高，有利于开展下一步反演工作。裂隙指示曲线中数值从0～4代表裂隙发育强度从不发育到弱发育、中等发育和强发育。
将裂隙指示曲线与综合钻探、测井电视资料进行对比，划定导水裂隙带定量指标。裂隙指示数据中数值在0～1为裂隙不发育区，划分为弯曲下沉带和正常区；数值在1～2.5划分为裂隙带；数值大于2.5划分为垮落带。
2.1.2 各向异性特征
煤层采空之后岩石介质产生一组定向垂直的裂隙，引起岩石的各向异性，P波方位各向异性特征反映了岩层裂隙发育强度[25-26]。将过井地震方位道集进行叠前各向异性分析，如图5所示。
图5 过井地震方位道集各向异性分析
Fig.5 Anisotropy analysis of over-well seismic azimuthal tract set
首先在远离采空区段进行各向异性分析，发现所有地层均存在微弱各向异性，椭圆拟合扁率η在0～1.04，认为这是地层不均匀沉积造成，故椭圆扁率1.04可以作为裂隙带发育的基准。D6孔在80～100 ms时间段拟合椭圆拟合扁率(各向异性强度)为1.00，在120～140 ms时间段拟合椭圆扁率(各向异性强度)最大为1.04，各向异性差异较小，结合钻孔分析认为采动裂隙几乎不发育。D4孔在基岩面附近80～120 ms时间段椭圆扁率为1.00，在120～140 ms时间段，扁率增大到1.12。D2孔在基岩面附近80～120 ms时间段椭圆扁率在1左右，但在120～140 ms时间段增大为1.24。可以大致推断D6、D4、D2基岩面导水裂隙带不发育，但在基岩面下部40 ms位置D4、D2有明显的各向异性，认为裂隙带已发育到此位置，且同深度下D4孔裂隙发育程度大于D2孔。
2.1.3 地震波场特征
正常煤系地层由于不同地层之间存在不同程度的波阻抗差异，能形成一定的反射波。当煤层采空后，上覆岩体产生变形、位移和破坏，采空区表现出特殊的场特征[27]。
图6为研究区实际地震时间剖面，由图6可以看出，裂隙带上部反射波同相轴断续出现，虽有一定的能量，但连续性差、频率较低，大致判断为裂隙带发育最大高度(图中蓝色部分)；裂隙带下部出现反射空白区，主要是下部裂隙发育较强地震波吸收严重，同时绕射、散射现象严重干扰了地震成像，大致判断为强裂隙发育带和垮落带。通过以上分析可以看出导水裂隙带散射波、多次波发育、成像质量差，直接利用传统的地震剖面很难准确识别导水裂隙带。
图6 实际地震时间剖面
Fig.6 Actual seismic time profile
2.2 三维模型正演
2.2.1 正演模型的构建
煤层采动后形成的裂隙具有几何非均质性，声波在几何非均质介质中传播，产生的波场具有方位各向异性特征。笔者采用非均匀介质声波方程有限差分方法对导水裂隙带理论模型进行3D正演模拟，研究裂隙带地震波场特征、传播规律。声波在非均匀介质中传播时，介质的密度、压强、声速随着空间位置的改变而改变是非均匀性的表现。声波在非均匀速度介质中传播的声波波场方程为
式中，f为位移；t为时间；∇2为散度算子(X、Y、Z三个方向的二阶偏导数)；v为纵波速度/声波速度[28]。
笔者所建立的正演模型尺寸为：300 m×600 m×225 m，模型网格1 m×1 m×0.5 m。模型中导水裂隙带为“拱型”形式，线号250～550为裂隙发育段，发育深度为130～225 m。地层速度为1 600～3 300 m/s，裂隙垂向上分为4组，高度均为23 m，数量分别为20、25、30、40条，以高角度为主(80°～90°)，速度设置为同深度正常地层的90%～100%(根据真实数据速度反演、声波测井所得数据参考)，从浅至深裂隙速度与围岩差异百分比递增，代表裂隙发育程度逐渐增加。
正演CDP网格5 m×5 m，时间采样间隔为1 ms，观测系统采用12线4炮，720道接收，覆盖次数18次，横纵比0.7。采用点式震源地表激发，零相位雷克子波，频率为40 Hz。图7、8分别为导水裂隙带三维正演速度模型和波阻抗模型，表1为正演模型参数。
表1 正演模型参数
Table 1 Forward model parameters
地层正演速度/(m·s-1)是否裂隙发育裂隙速度/(m·s-1)备注地层11 500 否地层21 700 否地层32 200 是2 150～2 200 地层42 500 是2 400～2 450 地层53 000 是2 800～2 900 地层63 300 是3 030～3 100 地层73 000 是2 700～2 800 煤层2 200 否煤层厚度10 m,采高5 m地层83 300 否
图7 3D正演速度模型
Fig.7 3D forward modeling velocity model
2.2.2 正演波场特征
正演CRP道集如图9所示。图9(a) CRP道集位于采动区(图8中Xline350，Inline252处)，图9(b)CRP道集位于未采动区(图8中Xline600，Inline350处)。
图8 3D正演波阻抗模型
Fig.8 3D forward modeling impedance profile
图9 正演模型OVT域CRP道集
Fig.9 Forward model OVT domain CRP channel set
克希霍夫叠前时间偏移处理如图10所示。图10中200 ms位置(裂隙弱发育)反射波频率、振幅降低；250 ms位置(裂隙强发育)反射波消失并伴有绕射波和各种散射。裂隙发育较弱地段反射轴特征较完整，连续性随裂隙强度增大逐渐变弱；裂隙发育较强层段及垮落带反射波基本消失。
图10 正演模型克希霍夫叠前时间偏移数据体
Fig.10 Forward model Kirchhoff pre-stack time migration volume
2.3 导水裂隙带三维地震识别方法研究
对正演偏移的叠后数据做谱分解、相干体、瞬时频率和蚂蚁追踪4种地震属性分析。谱分解技术通过短时窗离散傅里叶变换将地震资料转换到频率域，受裂隙带影响地震能量向低频端移动，20 Hz谱分解剖面能较为清晰地反映导水裂隙带的发育范围[29]。
相干体通过计算地震道不连续性、突出断裂异常可对裂隙发育情况进行识别[30]。瞬时频率属性根据裂隙中的填充物对高频成分的吸收，地震波频率会明显下降，通过这一特征来识别裂隙带[31]。蚂蚁追踪利用蚂蚁留下的信息素获得一个高信噪比、清晰裂隙系统的蚂蚁数据体[32-33]，如图11所示。
由图11可以看出，叠后地震属性能大致判断出裂隙发育位置，但对裂隙带顶部裂隙发育较弱层段反映较弱；蚂蚁追踪对裂隙反映较为直观，但其追踪裂隙条带和模型数据不是一一对应的，而是裂隙经地震成像后的综合反映。
图11 正演模型叠后地震属性
Fig.11 Forward model post-stack seismic attributes
叠前弹性波阻抗反演(EI)是基于叠前角度道集进行反演，摆脱了其垂直入射的假设，考虑了地层的双相介质效应，对裂隙识别更为敏感[34]。由于垮落带虽然受重力作用压实，但其地层中孔隙较同层位正常地层大，里面会填充水或气体。根据双相介质理论，当地层中含水或气体后产生AVO异常，可使EI反演中垮落带异常突出。
对正演CRP道集求取P波方位各向异性(图12)，由图12可以看出，裂隙发育位置各向异性异常，与模型吻合度高；单个裂隙无法识别，能识别的是基于地震采样网格的裂隙集的群体效应，即每个CDP网格里裂隙的综合反映，CDP网格越小所能刻画的裂隙越接近真实。
图12 正演模型叠前各向异性分析
Fig.12 Forward model pre-stack anisotropy analysis
裂隙带中地层受采动引起的破坏自下而上逐渐降低。下部裂隙发育强，地层发生破断，波场复杂，对地震波的吸收较为严重，地震相干属性、频谱分解、蚂蚁追踪等方法能对裂隙发育地层进行识别。上部裂隙发育较弱，地层裂隙相对发育，地震波能量成分向低频方向移动，这个过程是渐变的；产生的裂隙、形变很难在地震尺度上识别，但会形成几何非均匀性，地震波在传播中产生的波场具有方位各向异性特征，通过地震P波各向异性检测和井震结合的反演手段是能够识别裂隙地层。同时地层不均匀沉降，会产生一些离层，离层空间会填充其他介质，使得地层成为一个双相介质，地震波传播时，将会产生纵、横波动力学的变化。
虽然多种地震解释方法都可以对导水裂隙带进行识别，但每种方法都有局限性，只能对导水裂隙带部分部位做出较准确解释(表2)。这是由于导水裂隙带既表现为各向同性介质的断裂特征(裂隙发育较强段)，又表现为各向异性介质的裂隙特征(裂隙发育较弱段)；导水裂隙带形成离层还表现为双相介质特征。这种多重介质特征决定了单一的地震解释方法很难对其准确的刻画。
表2 导水裂隙带不同部位三维地震适宜解释方法
Table 2 3D seismic suitable interpretation methods for different parts of the water-conducting rift zone
地质要素地震剖面特征物性特征三维地震适宜解释方法裂隙地层(大尺度裂隙发育)反射空白、杂乱无章、频率降低断裂、破碎,电阻率、自然伽马、自然电位测井异常明显构造类属性(相干、方差)、谱分解、频率属性裂隙地层(中等程度裂隙发育)反射轴特征还在,连续性随裂隙强度增大逐渐变弱中等程度破碎、地层较完整,电阻率、自然伽马、自然电位测井异常较明显蚂蚁追踪、最大似然断层概率体裂隙地层(小裂隙、微断裂发育)反射波同相轴断续出现各向异性明显;电阻率、自然伽马、自然电位发生变化各向异性检测(输入叠前分方位道集)、神经网络裂隙反演(输入叠后数据,裂隙指示曲线)裂隙(离层:低角度、水平裂隙)裂隙带地层不均匀沉降,会产生一些离层,离层空间会填充其他介质,使得地层成为一个双相介质,地震波传播时,将会产生纵、横波动力学的变化AVO现象明显叠前弹性反演(叠前分偏移距道集)垮落带反射轴基本消失断裂、破碎,电阻率、自然伽马、自然电位测井异常明显,冒落填充空气介质,AVO现象明显构造类属性(相干、方差)、谱分解、频率属性、叠前弹性反演
综合以上分析，笔者提出了在已有地质、物探及导水裂隙带研究成果的基础上，充分利用高密度三维地震、测井、钻探资料，以导水裂隙探测为重点，以双相介质、各向异性理论为指导，以钻探、地震属性技术、AVO技术、各向异性检测技术和叠前、叠后反演技术为手段，以神经网络为工具形成可以定量解释的数据体，开展煤层开采覆岩导水裂隙带识别的方法，如图13所示。
图13 导水裂隙带三维地震识别方法
Fig.13 3D seismic identification method for water-conducting fracture zones
导水裂隙带三维地震识别方法的核心是：① 建立导水裂隙带解释定量指标。利用电阻率、自然伽马、自然电位和冲洗液漏失量采用主成分分析进行融合，合成裂隙指示曲线，作为定量指标(详见2.1节)。② 合成可用于定量解释的裂隙指示数据体。通过地震属性优选、叠后确定性反演(生成波阻抗、电阻率、自然电位、自然伽马)、叠前弹性阻抗反演(生成AVO、反射系数、VP/VS、泊松比、弹性模量等)、各向异性检测得到多种数据体；将裂隙指示曲线作为标签数据，提取上述数据体过井数值作为输入数据进行神经网络反演，求取转换因子，利用合成因子，形成可定量解释的裂隙指示数据体。③ 对导水裂隙带发育高度、发育特征进行定量描述。利用裂隙指示数据体，根据定量指标对导水裂隙带的高度和形态等特征进行定量解释。
3 应用实践
研究区裂隙指示曲线的合成方法在2.1中已有阐述，以下重点阐述导水裂隙带裂隙指示数据体的合成和定量解释成果及其精度分析。
3.1 裂隙指示数据体合成
3.1.1 叠后地震属性优选
通过与裂隙指示曲线对比优选4种地震属性，20 Hz谱分解、方差体、瞬时频率、蚂蚁数据，如图14所示。4种地震属性均对裂隙有所反映，但侧重点有所不同，总体而言对导水裂隙带中大尺度裂隙反映较好，但对中、小尺度裂隙反映欠佳。
图14 叠后地震属性
Fig.14 Post-stack seismic attribute
3.1.2 叠前弹性波阻抗反演
图15为弹性波阻抗反演剖面，可以看出裂隙带范围内波阻抗明显降低，波阻抗由6 800～8 800 (m/s)·(g/cm3)减小为6 200～8 100 (m/s)·(g/cm3)，有利于裂隙的识别。弹性波阻抗反演对垮落带反映效果较其他手段更为明显，正常煤层波阻抗为3 400 (m/s)·(g/cm3)，煤层顶板为8 100 (m/s)·(g/cm3)；进入垮落带后波阻抗为5 500～6 200 (m/s)·(g/cm3)，差异明显。
图15 EI反演剖面
Fig.15 EI inversion profile
3.1.3 P波各向异性波裂隙检测
为使各方位角信息均匀化并且使覆盖次数满足研究需要，在同一CRP面元内按照0°～30°、30°～60°、60°～90°、90°～120°、120°～150°、150°～180°抽取6个方位角道集(双向方位角道集)，偏移距按照0～400 m分割为30个道集进行数据合并，最终覆盖次数达到180次(图16)。图17(a)为正常地层道集，图17(b)为过裂隙带地层道集，蓝色部分可以明显看到随着方位角变化产生的振幅、相位的各向异性。在所得新道集的基础上抽取6个方位角分别为15°、45°、75°、105°、135°、165°的偏移数据体，将6个方位偏移数据体分别提取均方根振幅属性，得到6个方程组：
图16 实际观测系统道集优化后观测系统
Fig.16 Observation system diagram after gather optimization
图17 实际采集优化后CRP道集
Fig.17 CRP channel set
其中，F(α)表示各个方位的均方根振幅，用各方位偏移数据体方位角范围的中值近似表示，本区中α为裂隙方位角，α1=15°、α2=45°、α3=75°、α4=105°、α5=135°、α6=165°，公式为超定方程，采用椭圆拟合法进行求解，结果如图18所示。根据2.1节分析，各向异性0～1.2为背景异常已剔除，由图18可以看出各向异性检测数据对导水裂隙带反映清晰。
图18 各向异性检测剖面
Fig.18 Anisotropy detection profile
3.1.4 神经网络反演及裂隙带综合解释
为了定量解释裂隙的发育情况，本次研究利用概率神经网络技术[35-36]将地震数据、多属性数据、叠前弹性反演、各向异性解释等数据和裂隙指示曲线进行反演。图19、20为裂隙反演的训练数据及反演相似系数，每口钻井左侧的红色曲线为裂隙指示曲线，即目标曲线；中间的黑色曲线为从实际地震道中抽取的波形曲线；右侧的蓝色曲线分别为反射系数、弹性阻抗反演、各向异性检测、叠后地震属性聚类曲线，为输入数据。在训练神经网络之前，各口钻井的裂隙指示曲线进行了归一化处理，以消除由于采样量值差异所造成的影响。反演结果与裂隙指示曲线相似系数为0.97，精度较高(图21)。根据2.1节定量指标对反演结果进行垮落带和裂隙带划分。
图19 D4裂隙反演的训练数据
Fig.19 Training data for fracture inversion
图20 pnn反演相似系数(相似系数为0.97)
Fig.20 pnn inversion similarity coefficient
图21 裂隙指示反演剖面
Fig.21 Fracture indicator inversion profile
3.2 裂隙定量解释成果及精度分析
3.2.1 裂隙带发育形态及最大高度
裂隙带顶部t0在105～131 ms。利用反演速度进行时深转化，计算裂隙带顶部标高为1 125～1 157 m，相对于煤层顶板发育最大高度为150～178.42 m。
工作面走向方向，裂隙带发育形态为开切眼附近高，往工作面推进方向逐渐降低至趋于平稳，呈“半个马鞍形”；工作面倾向裂隙带发育形态为两边高中间略低特征，近似“马鞍形”(图22)。采空区南部开切眼处裂隙带发育高度达到最大，发育高度约178.42 m。向两侧采空边界煤柱处裂隙带发育高度逐渐减小。研究区内2-2煤层采高5.80 m，裂采比为25.86～30.76。
图22 裂隙指示反演数据镂空显示
Fig.22 Fracture indication inversion data hollow display
裂隙发育主要特点为以高角度甚至垂直岩层层面为主；在工作面两侧，裂隙发育较强，工作面中部裂隙发育相对减弱。将各向异性检测得到的裂隙密度数据和裂隙方位角数据叠加形成矢量数据，线段的长度代表了裂隙的大小，方向代表了裂隙的方位角。图23为裂隙密度与裂隙方位叠加的矢量图，由图23可以看出，随着深度增加，裂隙密度逐渐增大；导水裂隙带裂隙整体为工作面边缘裂隙密度大于中部。
图23 裂隙密度与裂隙方位叠加的矢量
Fig.23 Vector diagram of the superimposition of the crack density and the crack azimuth
由裂隙指示数据判断本区垮落带顶部为185～193 ms。利用反演速度进行时深转化，计算垮落带顶部标高为1 000～1 015 m，相对于煤层顶板发育高度为20.00～33.32 m。裂隙发育剧烈，以高角度裂隙为主，水平方向呈网状。工作面附近垮落带发育高度约为20 m。研究区内垮采比为3.44～5.72。本区富水性较强的含水层为侏罗系安定组风化基岩裂隙承压含水层和第四系萨拉乌苏组含水层。经计算导水裂隙发育至直罗组，尚未发育到安定组风化基岩含水层，不会造成萨拉乌苏组含水层水的流失。
3.2.2 精度分析
导水裂隙带识别精度见表2。识别误差绝对值在2.42～6.81 m。工作面煤柱附近(D1)裂隙未受压实作用，裂隙发育程度相对较大，地震识别精度相对较高；工作面中部(D2)部分裂隙受压实作用，裂隙发育程度相对较小，地震识别精度偏小。
表2 导水裂隙带识别精度统计
Table 2 Statistics of recognition accuracy of water-conducting fracture zone m
钻孔地质判断发育高度地震识别发育高度误差D1158.581612.42D2152.81146-6.81D4175.371804.63
垮落带识别精度见表3。识别误差在-11.94～12.89 m。垮落带识别误差较大，因裂隙发育较强带地球物理特征与垮落带较为相似，可能存在将垮落带划分到强裂隙带，造成误差较大。
表3 垮落带识别精度统计
Table 3 Identification accuracy statistics of bubble fallzone m
钻孔地质判断发育高度地震识别发育高度误差D148.8936-12.89D222.063411.94D430.4032 1.60
4 结 论
(1)通过全三维正演结合测井、钻探资料分析认为导水裂隙带既表现为各向同性介质的断裂特征(裂隙发育较强段)，又表现为各向异性介质的裂隙特征(裂隙发育较弱段)；导水裂隙带形成离层还表现为双相介质特征。裂隙带引起的散射波、多次波等干扰波，影响了下伏地层信噪比；单个裂隙无法识别，仅能识别裂隙集的群体效应，CDP网格越小所能刻画的裂隙越接近真实。
(2)提出了一套适用于煤层埋深较大、综采条件下的采动裂隙识别技术方法。利用电阻率、自然伽马、自然电位和冲洗液漏失量建立导水裂隙带解释的裂隙指示定量指标，通过地震属性优选、叠后确定性反演、叠前弹性阻抗反演、各向异性检测，结合裂隙指示曲线，利用神经网络反演形成裂隙指示数据体，对导水裂隙带发育高度、发育特征进行定量描述。
(3)通过陕北某矿首采面应用实践表明，煤层埋深较大的综采工作面导水裂隙带发育形态为：沿工作面走向方向呈“半马鞍形”，沿工作面倾向方向呈两边高中间略低的近似“马鞍形”形态特征。经验证，该导水裂隙带地震识别方法误差相对较小,能够准确获取导水裂隙带三维空间发育特征，值得在陕北煤矿区进一步推广应用。
[1] 李文平,叶贵钧,张莱,等.陕北榆神府矿区保水采煤工程地质条件研究[J]煤炭学报,2000,25(5):449-454.
LI Wenping,YE Guijun,ZHANG Lai,et al.Study on the engineering geological conditions of protected water resources during coal mining action in Yu-shen-fu Mining Area in the North Shaanxi Province[J].Journal of China Coal Society,2000,25(5):449-454.
[2] 王双明,黄庆享,范立民,等.生态脆弱矿区含(隔)水层特征及保水开采分区研究[J].煤炭学报,2010,35(1):7-14.
WANG Shuangming,HUANG Qingxiang,FAN Limin,et al.Study on overburden aquclude and water protection mining regionazation in the ecological fragile mining area[J].Journal of China Coal Society,2010,35(1):7-14.
[3] 范立民,马雄德,冀瑞君.西部生态脆弱矿区保水采煤研究与实践进展[J].煤炭学报,2015,40(8):1711-1717.
FAN Limin,MA Xiongde,JI Ruijun.The Progress of research and engineering practice of water-preserved coal mining in western eco-environment frangible area[J].Journal of China Coal Society,2015,40(8):1711-1717.
[4] 马雄德,王苏健,蒋泽泉,等.神南矿区采煤导水裂隙带高度预测[J].西安科技大学学报,2016,36(5):664-668.
MA Xiongde,WANG Sujian,JIANG Zequan,et al.Prediction on the height of water-flowing fractured zone in southern Shenmu mine[J].Journal of Xi’an University of Science and Technology,2016,36(5):664-668.
[5] 范立民,马雄德,蒋泽泉,等.保水采煤研究30年回顾与展望[J].煤炭科学技术,2019,47(7):1-30.
FAN Limin,MA Xiongde,JIANG Zequan,et al.Review and thirty years prospect of research on water-preserved coal mining[J].Coal Science and Technology,2019,47(7):1-30.
[6] 范立民.保水采煤的科学内涵[J].煤炭学报,2017,42(1):27-35.
FAN Limin.Scientific connotation of water-preserved mining[J].Journal of China Coal Society,2017,42(1):27-35.
[7] 杨达明,郭文兵,赵高博,等.厚松散层软弱覆岩下综放开采导水裂隙带发育高度[J].煤炭学报,2019,44(11):3308-3316.
YANG Daming,GUO Wenbing,ZHAO Gaobo,et al.Height of water-conducting zone in longwall top-coal caving mining under thick alluvium and soft overburden[J].Journal of China Coal Society,2019,44(11):3308-3316.
[8] 丛森,程建远,王云宏,等.导水裂隙带发育高度的微震监测研究[J].中国矿业,2017,26(3):126-131.
CONG Sen,CHENG Jianyuan,WANG Yunhong,et al.Study on microseismic monitoring of height of water flowing fracture zone[J].China Mining Magazine,2017,26(3):126-131.
[9] 张平松,许时昂,郭立全,等.采场围岩变形与破坏监测技术研究进展及展望[J].煤炭科学技术,2020,48(3):14-35.
ZHANG Pingsong,XU Shiang,GUO Liquan,et al.Prospect and progress of deformation and failure monitoring technology of surrounding rock in stope[J].Coal Science and Technology,2020,48(3):14-35.
[10] 潘冬明,程久龙,李德春,等.利用三维地震技术探测覆岩变形破坏研究[J].采矿与安全工程学报,2010,27(4):590-594.
PAN Dongming,CHENG Jiulong,LI Dechun,et al.Using the 3D seismic exploration technique to detect deformation and failure of overburden[J].Journal of Mining &Safety Engineering,2010,27(4):590-594.
[11] PEI Xiaodong.Signal acquisition method for 3D seismic exploration in high density coal mining area[J].Arabian Journal of Geosciences,2020,13(15)：1-11.
[12] LI Juanjuan,LI Fanjia,HU Mingshun,et al.Evaluation of geological conditions for coalbed methane occurrence based on 3D seismic information:A case study in fowa region,Xinjing Coal Mine,China[J].Acta Geophysica,2017,65(2)：345-351.
[13] 叶红星.基于地震属性分析的红柳林煤矿采空区解释[J].煤田地质与勘探,2014,42(3):87-91.
YE Hongxing.Mined-out area of coal mine based on the seismic attribute analysis of red grahame to explain[J].Journal of Coal Geology and Exploration,2014,42(3):87-91.
[14] 唐汉平.复杂地震地质条件下煤矿采空区三维地震勘探技术[J].中国煤炭,2013,39(12):35-37,87.
TANG Hanping.Complex seismic geological conditions of coal mine goaf three-dimensional seismic exploration technology[J].Journal of China Coal,2013,39(12):35-37,87.
[15] 卫红学,查文锋,冯春龙.采空区上地震时间剖面的特征分析[J].地球物理学进展,2014,29(4):1808-1814.
WEI Hongxue,ZHA Wenfeng,FENG Chunlong.Analysis of characteristics of seismic section in goaf area[J].Progress in Geophysic,2014,29(4):1808-1814.
[16] 郭文峰,曹志勇,卫红学,等.塌陷采空区的正演模拟及波场分析[J].地球物理学进展,2015,30(2):847-852.
GUO Wenfeng,CAO Zhiyong,WEI Hongxue，et al.The forward modeling and the analysis of wave field in the collapse of gob area[J].Progress in Geophysics,2015,30(2):847-852.
[17] 杨德义,王贇,王辉.陷落柱的绕射波[J].石油物探,2000,39(4):82-86.
YANG Deyi,WANG Yun,WANG Hui.Diffraction waves from fallen pillars[J].Geophysical Prospecting for Petroleum,2000,39(4):82-86.
[18] ZHANG Xianxu，MA Jinfeng,LI Lin.Monitoring of coal-mine goaf based on 4D seismic technology[J].Applied Geophysics,2020,17(1):54-66.
[19] 李冬,杜文凤.四维地球物理技术在煤炭开采影响分析中的应用[J].地质论评,2017,63(B04):341-342.
LI Dong,DU Wenfeng.Application of four-dimensional geophysical techniques in coal mining impact analysis[J].Geological Review,2017,63(B04):341-342.
[20] 苑昊,刘佳朋,姜在兴.煤矿采空区四维地震特征分析及识别方法:以淮南煤田张集矿区为例[J].现代地质,2021,35(4):1018-1023.
YUAN Hao,LIU Jiapeng,JIANG Zaixing.4D seismic char acteristics in coal mine gobs:A case study from the Zhangji coal mine in Huainan coalfield[J].Geoscience,2021,35(4):1018-1023.
[21] 郭文彬,刘俊.富水厚砂层下二分层综采导水裂隙带探测研究[J].煤炭工程,2014,46(12):60-62.
GUO Wenbin,LIU Jun.Study on detection of water flow cracking zone in fully mechanized coal mining face in second slicing seam under watery thick sand stratum[J].Coal Engineering,2014,46(12):60-62.
[22] 孙庆先,牟义,杨新亮.红柳煤矿大采高综采覆岩“两带”高度的综合探测[J].煤炭学报,2013,38(S2):283-286.
SUN Qingxian,MU Yi,YANG Xinliang.Study on“two-zone”height of overlying of fully-mechanized technology with high mining height at Hongliu Coal Mine[J].Journal of China Coal Society,2013,38(S2):283-286.
[23] 涂必超,杨枫林.基于主成分分析和马氏距离的测井曲线自动分层方法[J].黑龙江大学自然科学学报,2012,29(3):322-326.
TU Bichao,YANG Fenglin.Automatic stratification of well logging curves based on principal component analysis and Mahalanobis distance[J].Journal of Natural Science of Helongjiang University,2012,29(3):322-326.
[24] 高阳,李忠新.基于主成分分析的致密砂砾岩孔隙度测井评价方法[J].沉积学报,2016,34(4):716-724.
GAO Yang,LI Zhongxin.Logging interpretation of porosity for tight glutenite based on principal component analysis[J].Acta Sedimentologica Sinica,2016,34(4):716-724.
[25] 郝守玲,赵群.裂缝介质对P 波方位各向异性的影响——物理模型研究[J].勘探地球物理进展,2004,27(3):189-194.
HAO Shouling,ZHAO Qun.The effect of fractured medium on P wave azimuth alanisotropy:A physical model study[J].Progress in Exploration Geophysics,2004,27(3):189-194.
[26] 申涛,袁峰,宋世杰,等.P波各向异性检测在采空区导水裂隙带探测中的应用[J].煤炭学报,2017,42(1):197-202.
SHEN Tao,YUAN Feng,SONG Shijie,et al.Application of P-wave anisotropy detection in detecting the conducting fracture zone[J].Journal of China Coal Society,2017,42(1):197-202.
[27] 袁峰,申涛,谢晓深,等.基于深度学习的地震多属性融合技术在导水裂隙带探测中的应用[J].煤炭学报,2021,46(10):3234-3244.
YUAN Feng,SHEN Tao,XIE Xiaoshen,et al.Application of seismic multi-attribute fusion technology based on deep learning in the detection of water-conducting fracture zone[J].Journal of China Coal Society,2021,46(10):3234-3244.
[28] LAY Thorne.Quantitative seismology,Second Edition[J].Eos Transactions American Geophysical Union,2003,84(21):202-210.
[29] 冯智慧,张文春,李向群,等.高精度分频相干加强技术在微小断层识别中的应用[J].吉林大学学报(地球科学版),2016,46(5):1571-1579.
FENG Zhihui,ZHANG Wenchun,LI Xiangqun,et al.Application of high-precision frequency division coherency enhancement technique in micro-fault identification[J].Journal of Jilin University(Earth Science Edition),2016,46(5):1571-1579.
[30] 徐尚,邹华耀,郝芳,等.渤海湾盆地石南地区东二段层间断层的识别[J].石油地球物理勘探,2015,50(2):363-369.
XU Shang,ZOU Huayao,HAO Fang,et al.Interbed fault identification in the Ed2 Formation,Southern Shijiutuo Uplift,Bohai Bay Basin,China[J].Oil Geophysical Prospecting,2015,50(2):363-369.
[31] 汪勇,陈学国,王月蕾,等.叠后多属性分析在哈山西石炭系火山岩裂缝预测中的应用研究[J].地球物理学进展,2014,29(4):1772-1779.
WANG Yong,CHEN Xueguo,WANG Yuelei,et al.Application of multiple post-stack seismic attributes in the prediction of carboniferous fracture in west Hashan[J].Progress in Geophysics,2014,29(4):1772-1779.
[32] 袁晓宇,李映涛,叶宁,等.基于频谱分解的蚂蚁追踪裂缝检测技术在玉北地区的应用研究[J].石油地球物理勘探,2015,50(4):665-671.
YUAN Xiaoyu,LI Yingtao,YE Ning,et al.The application of ant tracking fracture detection based on spectrum decomposition in Yubei area[J].Oil Geophysical Prospecting,2015,50(4):665-671.
[33] 李楠,王龙颖,黄胜兵,等.利用高清蚂蚁体精细解释复杂断裂带[J].石油地球物理勘探,2019,54(1):182-190.
LI Nan,WANG Longying,HUANG Shengbing,et al.3D seismic fault zones attribute fine structural interpretation in complex based on the high-definition ant tracking volume[J].Oil Geophysical Prospecting,2019,54(1):182-190.
[34] 孙学凯,崔若飞,毛欣荣,等.联合弹性波阻抗反演与同步反演确定构造煤的分布[J].煤炭学报,2011,36(5):778-783.
SUN Xuekai,CUI Ruofei,MAO Xinrong,et al.Elastic impedance inversion associated with simutaneous inversion indetermining the distribution of tectonic coal[J].Journal of China Coal Society,2011,36(5):778-783.
[35] 申辉林,高松洋.基于BP神经网络进行裂缝识别研究[J].断块油气田,2007,14(2):60-62.
SHEN Huilin,GAO Songyang.Research on fracture identification based on BP neural network[J].Fault-Block Oil &Gas Field,2007,14(2):60-62.
[36] 廖林,田多文,车璐飞,等.薄互层泥云岩储层裂缝预测方法研究[J].中国矿业大学学报,2016,45(2):347-356.
LIAO Lin,TIAN Duowen,CHE Lufei,et al.Fracture prediction in thin interbed mud-dolomite reservoir[J].Journal of China University of Mining &Technology,2016,45(2):347-356.
