一种煤层微构造的定量表征和预测方法

本发明具体涉及一种煤层微构造的定量表征和预测方法，属于非常规天然气勘探开发。

背景技术：

1、深部煤层气也称深层煤层气，是指储存于埋深1500米以深煤层中的烃类气体，而埋深1500米以浅的煤层气称为浅部煤层气(或中浅煤层气)。据第四次资源评价，我国埋深1500米-2000米的煤层气资源量为11.93万亿方，2000米以深的煤层气资源量尚未开展系统评价；经中石油评价，鄂尔多斯盆地深层煤层气的资源量为23万亿方，仅此就与全国浅部煤层气资源量相当。但是，基于各种原因尤其是技术水平限制，深部煤层气开发一直是国内外煤层气开发的禁区。

2、受页岩气体积压裂的启发，深部煤层气开发需要像页岩气开发一样形成缝网，以避免走浅部煤层气的老路。长久以来，在传统的观念中，煤层无法像页岩一样形成缝网，是因为页岩属于典型的脆性岩石，而煤层是典型的塑形地层，按照页岩压裂形成缝网的判别标准，深部煤层是不具备能够形成缝网的客观条件的。但是，事实并非如此，一些学者发现由于深部煤层本质不同于页岩，在深部煤层厚度大(平均在6m以上)，含气量高(平均25.2m3/t)等条件下，深部煤层是可能能够压裂形成缝网的。正如天然裂缝是页岩的最重要特征，煤体内部随机分布且近似正交发育的微构造是深部煤层的最重要特征。微构造是煤区别与其他储层的特性，也是气水的主要渗流通道，对于煤层气的开采有决定性的影响；最重要的，微构造是缝网形成和延伸的客观基础。因此，需要对微构造形态进行精细描述。裂缝研究是国内外研究的热点，也非常精细。在裂缝研究中，裂缝用裂缝开度、开度粗糙度、开度场空间相关长度、裂缝趋势面波动系数、趋势面的空间相关长度共5个参数来表征。显然，微构造也可以用类似的几个参数来表征，但深部煤层微构造独具个性，而且参数多将难以指导现场实际。因此，开展微构造定量表征和预测相关研究能够为认识和开发深部煤层气提供有效指导。

技术实现思路

1、本发明主要是克服现有技术中存在的缺点，本发明提供一种煤层微构造的定量表征和预测方法，本发明在输入煤层常规测井参数后，能够有效预测出煤层微构造发育情况且预测准确率在90％以上，对认识和开发深部煤层气等开发禁区具有重要的指导意义。

2、本发明解决上述技术问题，所提供的技术方案是：一种煤层微构造的定量表征和预测方法，包括以下步骤：

3、步骤1、获取目标区域的多个全直径天然煤芯，并获得每个全直径天然煤芯煤层的密度、盖层的密度、底层的密度、煤层的声波时差、盖层的声波时差、底层的声波时差、煤层的自然伽马、盖层的自然伽马、底层的自然伽马、补偿中子、电阻率；

4、步骤2、基于分形理论，从每个全直径天然煤芯的中心出发作一系列不同半径的圆，观测并统计不同大小圆内煤芯表面的微构造数量；

5、步骤3、以半径为自变量，以微构造数量为因变量，建立对数坐标系，对数据点进行线性回归，得到每个全直径天然煤芯的微构造半径维数；

6、步骤4、对每个全直径天然煤芯进行x衍射实验分析，统计酸可溶物的含量，并对酸可溶物含量进行测井数据的标定；

7、步骤5、根据每个圆柱煤的密度、盖层的密度、底层的密度、煤层的声波时差、盖层的声波时差、底层的声波时差、煤层的自然伽马、盖层的自然伽马、底层的自然伽马、补偿中子、电阻率、酸可溶物含量、微构造半径维数构建数据集；

8、步骤6、以煤层的密度、盖层的密度、底层的密度、煤层的声波时差、盖层的声波时差、底层的声波时差、煤层的自然伽马、盖层的自然伽马、底层的自然伽马参数为输入，以酸可溶物含量为输出，搭建第一层人工神经网络；再以酸可溶物含量、补偿中子、电阻率为输入，以微构造半径维数为输出，搭建第二层人工神经网络；

9、步骤7、对数据集进行标准化处理，并将数据集划分为训练集和测试集；基于训练集不断调整双层人工神经网络的结构和参数，测试集下最高精度的网络即为最终的煤层微构造定量预测模型，并通过煤层微构造定量预测模型预测微构造半径维数。

10、进一步的技术方案是，所述步骤1中获取目标区域不同深度下直径100mm的全直径天然煤芯样本，并对全直径天然煤芯样本的断面进行切割打磨，使其表面平整光滑便于统计。

11、进一步的技术方案是，所述步骤2中从每个全直径天然煤芯的中心出发作半径为5mm、10mm、15mm、20mm、25mm、30mm、35mm、40mm、45mm、50mm的圆。

12、进一步的技术方案是，所述步骤3的具体过程为：

13、步骤31、将半径ri作为自变量序列，将微构造数量ni(r)作为因变量序列，即：

14、ri＝{ri(k)|i＝1,2,…,m；k＝1,2,…,n}

15、ni＝{ni(k)|i＝1,2,…,m；k＝1,2,…,n}

16、式中：m是收集到的样本数；n是不同半径的圆的数量；

17、根据分形理论，半径r和该半径下圆内的微构造数量n(r)服从标度不变的幂律关系，即：

18、n(r)＝crd

19、式中：d是微构造半径维数；c是常数；

20、步骤32、对半径ri和微构造数量ni(r)取对数得到lgri和lgni(r)，建立对数坐标系；

21、步骤33、根据对数坐标系下的数据散点(lgri,lgni(r))进行线性回归，由分形理论可得：

22、lgni(r)＝dilgri+lgci

23、式中：di是回归方程的斜率，ci是一系列常数。

24、进一步的技术方案是，所述步骤4的具体过程为：

25、步骤41、取全直径天然煤芯中的填充物进行x射线衍射实验，统计每个全直径天然煤芯的酸可溶物含量；

26、步骤42、根据全直径天然煤芯的取芯深度，将相应全直径天然煤芯的酸可溶物含量与对应深度的密度、声波时差、自然伽马这3个测井参数进行标定。

27、进一步的技术方案是，所述步骤7的具体过程为：

28、步骤701、对数据集进行如下的标准化处理，并将数据集划分为训练集和测试集；

29、步骤702、以煤层的密度、盖层的密度、底层的密度、煤层的声波时差、盖层的声波时差、底层的声波时差、煤层的自然伽马、盖层的自然伽马、底层的自然伽马参数为输入，以酸可溶物含量为输出，设置网络的学习率为η，迭代次数为t，隐含层节点数为s，在(0,1)范围内随机初始化网络中输入层到隐含层的权值ωih和阈值τh，以及隐含层到输出层的权值和阈值υo的；

30、步骤703、根据输入层到隐含层的激活函数f计算隐含层神经元输出zh；

31、步骤704、根据隐含层到输出层的激活函数g计算第j个训练集样本的微构造半径维数预测结果

32、步骤705、计算输出层神经元梯度项δo以及隐含层神经元梯度项μh；

33、步骤706、更新网络中的所有权值和阈值；

34、步骤707、重复步骤703～706进行迭代，直至迭代次数达到t，得到以酸可溶物含量为输出的第一层人工神经网络；

35、步骤708、以酸可溶物含量、补偿中子、电阻率为输入，以微构造半径维数为输出，设置网络的学习率为η，迭代次数为t，隐含层节点数为s，在(0,1)范围内随机初始化网络中输入层到隐含层的权值ωih和阈值τh，以及隐含层到输出层的权值和阈值υo；

36、步骤709、按照第一层人工神经网络中相同的方法进行计算和迭代，直至迭代次数达到t，得到以微构造半径维数为输出的第二层人工神经网络；

37、步骤710、针对建立的双层人工神经网络，输入测试集数据预测微构造半径维数，对预测结果进行反归一化并与测试集真实值进行对比，若预测效果不理想则回到步骤702中调整网络的学习率及隐含层节点数，直至测试集的预测精度满足需求，最后得到的双层人工神经网络即为煤层微构造定量预测模型；

38、步骤711、最后通过煤层微构造定量预测模型预测微构造半径维数。

39、本发明的有益效果：本发明能够对煤层酸可溶物含量以及微构造发育情况进行定量表征和预测且预测准确率在90％以上，对不同环境和岩性的煤岩样本同样具有普适性，是认识和分析深部煤岩微构造以及水力裂缝复杂缝网的有效工具，对深部煤层气等开发禁区有着重要的指导意义。