天然源超低频电磁探测技术在煤储层识别中的应用

王 楠，秦其明，陈 理，白琰冰

(北京大学 遥感与地理信息系统研究所，北京 100871)

天然源超低频电磁探测技术在煤储层识别中的应用

王 楠，秦其明，陈 理，白琰冰

(北京大学 遥感与地理信息系统研究所，北京 100871)

针对煤层气储层识别问题，提出了天然源超低频电磁探测技术，并阐述了探测机理。运用独立成分分离和提升小波变换相结合的方法对探测信号进行滤波与重构，压制了工频干扰。选取了沁水盆地不同储层埋深、不同工频干扰强度的3口煤层气排采井，利用重构的超低频信号对多个储层进行了有效识别，结合电磁波特性评价了储层位置的探测精度。某排采井剖面研究表明，超低频探测技术可以对储层分布和排采过程中的水文等异常信息进行提取，发现在3号和15号煤储层之间存在一个疑似充水断层，需要实际资料进一步验证。

超低频；电磁探测；煤层气；储层识别；独立成分分析；提升小波

天然源超低频电磁探测技术是一种利用观测的天然源超低频磁场信号，结合实际地质资料和钻孔资料，建立解译标志和解释模型，来划分地层、识别地物异常的电磁勘探方法。根据国际电联(ITU)的定义，我们所利用的频段为3～3 000Hz属于极低—超低频段(super-low frequency)。超低频电磁波在地下介质中能量衰减慢，不受高阻层干扰，穿透性强。根据频深对应关系，超低频信号可以携带10000m以浅的地下信息。利用北京大学自主研发并改进的BD-6型超低频电磁探测仪采集信号，通过对信号深入分析，在长期野外试验基础上，建立了地下异常解译模型，逐步发展并完善了该电磁探测技术。自20世纪90年代以来，该技术已经广泛运用到深海油气、地热、煤矿采空区及富水区、隐伏断层、瓦斯富集区等的探测中，取得了一系列应用成果[1-4]。

近年来，煤层气作为新兴能源受到了广泛关注。煤储层规模、埋深、构造特征、物性、排采动态和产能信息的获取逐渐成为研究热点[5-6]。而上述研究的前提是对储层识别，特别要获取储层位置及埋深信息。目前，针对煤层气储层位置、埋深和分布特征信息的提取主要采用的是地震和测井技术[7-9]，成本极高且在地形复杂地区很难实施，另外识别精度有待验证[7]。因此便捷的煤储层电磁探测受到广泛关注[3]。但前人并未系统研究该类探测技术机理、工频噪声去除方法、多储层位置识别、分布及精度评价问题。笔者针对上述问题开展研究，提出了煤层气储层识别的超低频电磁探测技术。

1 煤层气储层超低频电磁探测机理

针对天然源电磁探测，前人已有很多理论研究[10-11]。超低频探测机理主要基于大地电磁测深(MT)理论。其场源假设：在局部区域内，太阳辐射与电离层相互作用产生的是垂直地面入射的均匀电磁波，视为入射一次场。通过零磁空间试验分析，探测的异常场信号主要来源于地下[12]，包括在地层接触面的反射一次场、感应二次场和辐射场信息。在地上观测时还有工频干扰等人文噪声。在背景场相对稳定的情况下，基于电磁理论中趋肤深度与截止频率的概念，地层不同深度与频率相对应。参照前人提出的频深转换公式[13]，结合野外多次试验分析，建立了半经验的频深转换公式[4]。利用超低频电磁探测仪可视化分析“深度-异常磁场能量”关系，建立解译标志和解释模型，进一步识别地物异常。

煤层气储层识别主要依据是储层与围岩之间物性、岩性差异以及煤层气排采过程中的特殊物理效应。一般而言，气体电阻率一般较高，液体和固体相对为低电阻率。因此含气煤储层比邻近不含气地层电阻率要高。根据MT理论，入射电磁波在高阻层衰减慢且反射波较强，地面接收到的反射一次场相应也较强。而且煤层气赋存受到水文地质条件的控制，煤层气储集、运移和排采过程中与地下水低阻带之间会存在关联。高阻含气储层周围圈定的地下水低阻体也可以为储层识别提供佐证。另外，煤层气储层是一种多相流变介质，在煤层气排采过程中，因为存在动电、震电、压电效应等均可能产生电磁辐射[14-15]。辐射场信号与煤层气储层的孔隙度渗透性、含气性和储层压力密切相关，且频带较低，传播距离较远，可以被地面上的高灵敏度的磁场传感器接收。通过频谱分析确定煤层气富集深度[16]。特别是在排采过程中，随着煤层气流动和储层破裂，来自储层的电磁辐射信号较强，在地表理应探测到更强的超低频段磁场信号异常，因此可以用来提取储层位置和埋深信息。如果通过多台超低频探测仪阵列观测以及长时间观测，可以获得储层三维分布及排采动态信息。

2 工频滤波方法

理论计算表明入射一次场和感应二次场信号的叠加场对多数地层模型的响应变化平缓，可以视为一种近似均匀的背景场。去除这种背景场以后，地表接收的异常信号除了地下反射场和辐射场信号外，还受到工频干扰和随机噪声的影响，因此需要研究压制干扰的滤波方法。基于盲源分解的独立成分分析方法近几年在信号滤波方面发展迅速。前人研究表明该方法可以在超低频数据处理中压制噪声[17]，但是试验样本较少，且没有讨论工频压制效果。笔者针对每一工区，利用多组不同测点数据作为样本，提取3～4个独立成分，保留除去工频干扰和游散电流的成分。然后再对去噪信号进行提升小波分解与重构进一步压制高频随机噪声。

2.1 独立成分分析

独立成分分析(ICA)是一种基于盲源分解的算法，可以用于从复杂观测信号中提取有效信息[18]。它基本原理是通过让每一个组成信号的独立性最大化来实现对信号的分解。根据中心极限定理，合成信号的高斯性要比其各组成成分的信号高斯性强，也就是说各组成信号的独立性更强。可以采用最大负熵这个量来衡量信号的独立性。笔者利用FastICA算法计算了超低频信号各独立成分。该算法有占用内存小，计算量小且相对稳定的特点。

从图1(a)可以看出，原始信号存在150Hz和250Hz两个随时间变化的工频干扰，经过ICA提取了3个独立成分。图1(b)第1个独立成分为有效信号，可以看到660m左右的150Hz的工频噪声基本被去掉了。图1(c)受到了游散电流的干扰，而图1(d)第3个独立成分可以看到明显与工频干扰源相关。

2.2 小波与提升小波分析

对比图2(a)，(b)，ICA滤波的结果可以突出有效信息(箭头指示2个异常峰)，但去噪效果仍然较差，且不能提供信号局部和细节信息。考虑到小波在频率域和时间域都具有多分辨率的特性，笔者使用DB4小波去近似ICA滤波后的信号。如图2(c)所示，可以看到2个高振幅异常，而150Hz和250Hz的工频干扰基本被压制了。但是曲线过于光滑，不能满足对地层细节信息进行提取。所以笔者采用了提升小波进行分析。提升小波采用双正交小波重构方法，不依赖傅里叶变换，在占用极小内存的情况下可以容易实现正反小波变换[19]。用haar提升小波对ICA滤波信号进行了分解与重构，从图2(d)可以看到提升小波重构的信号对于工频干扰有效压制，更易于提取地层细节信息。

图2 超低频信号的小波与提升小波分析Fig.2 The wavelet and lifting wavelet analysis of the SLF signal

3 煤储层识别分析与讨论

3.1 研究区域与数据

沁水盆地南部是我国煤层气勘探开发最成熟和最活跃的地区之一，该区域主采3号和15号煤层，其中3号煤层已大量产气，进入大规模排采阶段，而15号煤层也在开发中。沁水盆地南部煤层气试验区拥有多口长期稳定排采井，存在多组含气煤储层。根据野外试验，笔者选取了不同储层埋深、不同干扰环境下的3口煤层气排采井开展超低频探测试验，其排采井编号分别为001井,002井和003井，见表1。

3.2 煤层气储层识别结果与讨论

(1)001排采井。根据钻孔资料，该井3号煤储层埋深较浅，周围电磁干扰强烈。超低频数据采自于2007-09-22，在001井附近采集了4个测点共12组数据。按照前述噪声处理方法，获得最终重构曲线。经过地层校正后的超低频解释曲线与钻孔资料对比发现：通过对700，550和400Hz的工频干扰压制，很好地突出了实际地层信息，如图3(a),(b)所示。从图3(c)可以发现163～169m的含气煤储层显示了高磁场振幅异常，顶底板粉砂岩信号相对强度低，因为其较松散，反射一次场较弱。上覆岩层各层区分明显。结果表明，针对埋深较浅的3号储层，即使工频干扰强烈，也仍然可以得到较好的识别。

表13口排采井情况
Table1ThestatusofthreeCBMproductionwells

井编号储层顶底板埋深/m含气量/(m3·t-1)工频干扰情况0013号煤储层：163～1699 03强0023号煤储层：458 3～463 519 52弱15号煤储层：543 8～546 515 800033号煤储层：460 0～466 518 23强15号煤储层：542 1～549 217 15

图3 001井煤层气储层的超低频探测识别与解释结果Fig.3 The SLF prospecting interpretation of the CBM reservoir identification in Well 001

(2)002排采井。根据该井钻孔资料，该井3号和15号煤层在450～550m，埋深较深。数据于2011-10-05采集，在该井附近布置了1条12个测点的测线，共采集了48组数据。经过前面的数据处理步骤最终重构曲线如图4(a)，(b)所示，其中图4(a)箭头从左到右分别指示250Hz和150Hz的工频干扰，图4(b)箭头指示2个有效信号。发现150Hz和250Hz的工频干扰基本滤除。经过层位校正，笔者将钻孔资料和超低频数据对比，如图5(a)所示，3号储层和15号储层都对应着高的信号相对强度。而煤层顶底板因为物性变化比较大也对应着局部超低频振幅的变化细节，但是振幅相对煤储层为小。3号储层上覆疏松的第四系沉积岩振幅变化平缓，泥岩层可清楚分辨。15号储层底板的石灰岩因为致密导致超低频信号稍强，物性均匀对应振幅起伏较小。通过对3号储层和15号储层的识别，基本证明在工频干扰较小、埋深较深的含气储层通过超低频探测是可以识别的。

图4 002井和003井的超低频曲线重构Fig.4 The reconstructed SLF curves of Well 002and Well 003

图5 002井和003井煤层气储层的超低频探测识别与解释结果Fig.5 The SLF prospecting interpretation of the CBM reservoir identification in Well 002and Well 003

(3)003排采井。该井与002井直线距离不超过1km。周边高压电线林立，工频干扰强烈。主要煤层气储层和埋深与002井基本一致。超低频探测数据采集于2010-05-25，沿着003井周边采集了4个测点共13组数据。原始探测曲线如图4(c)所示，其中250Hz和150Hz工频干扰显著。而重构信号基本滤除了两处干扰，且突出了有效信号，如图4(d)所示。通过与钻孔资料对比，由图5(b)可见：3号煤层可以明显识别，15号煤层也有较好的突显。而顶底板砂泥岩互层变化平缓，对应着低信号相对强度。在地层变化剧烈的地方，超低频曲线也具有较强烈的变化，可见其对地层岩性和物性变化敏感。通过该例表明在强工频干扰，含气储层埋深较深的地方，超低频探测技术对储层的识别仍然有效。

3.3 储层位置识别精度评价

提出利用绝对深度误差ΔH和相对深度误差σ两个指标进行精度评价。其计算公式分别为式(1)和式(2)，其中HRE表示储层埋深范围的中值，而HSLF代表储层超低频响应的最大峰值(或者最大范围内的均值)。另外，根据长期观测经验，沁水地区探测数据都需要进行一定的层位校正。由表2可见，浅埋深储层识别精度较高，绝对深度误差较小；而埋深较深的储层识别精度较差，绝对深度误差较大，均值在10m左右，尽管相对误差并不大。这种结果与超低频电磁波特性有关，趋肤深度越大，波长越长，相应的地层分辨能力下降，在储层识别时就会出现较大的纵向偏差。

(1)

(2)

3.4 002井剖面探测

利用002井12个测点数据进行了剖面研究，相邻测点间距为20m，如图6所示。两条黑色虚线指出了3号和15号煤储层的分布特征，他们彼此之间可以区分。含气储层位置、分布和煤层气排采速度较快的地方可以清楚识别(红色块体)。另外如黑色箭头所示，2个储层之间存在一个低振幅异常体(蓝色块体)，将2个储层隔断，初步推断是地下水填充形成的小断层，阻断了煤层气的流动，很可能影响该井的产能。而从2007—2012年对该井的生产状态跟踪发现其产气量下降迅速，说明在煤层气排采过程中，储层周围的水文环境对产能有比较大的影响。

表23口井储层位置识别精度评价
Table2TheaccuracyevaluationofreservoiridentificationofthreeCBMwells

井编号储层埋深中值/m超低频响应最大峰值/m绝对深度误差/m相对深度误差/%001166 00(3号煤层)168(3号煤层)2 001 2002460 90(3号煤层)474(3号煤层)13 102 8545 15(15号煤层)537(15号煤层)8 151 5003463 25(3号煤层)470(3号煤层)6 751 5545 65(15号煤层)556(15号煤层)10 351 9

图6 002井超低频探测剖面Fig.6 The SLF profile study of Well 002

4 结 论

(1)理论分析与实际验证表明天然源超低频电磁探测技术能够提取煤层气储层异常信息。

(2)为了滤除超低频信号中的工频干扰及其他噪声，笔者采用独立成分分析和提升小波相结合的方法进行滤波和重构。通过提取不含工频干扰的独立成分，再分别进行小波和提升小波分解与重构，发现提升小波重构信号更利于反应地层结构特征。重构信号有效压制了工频等噪声干扰。

(3)通过对不同储层埋深，不同工频干扰强度，存在多组煤层气储层的3口排采井分别进行了储层识别，笔者发现对于各煤储层，超低频重构信号具有突出的高振幅异常。另外，通过对储层位置识别精度的分析表明超低频探测技术对浅储层识别误差小，对深储层识别误差较大，这是由于该频段电磁波本身性质决定。

(4)对某排采井的探测剖面分析，发现超低频探测技术可以提取储层分布和水文等信息。笔者发现在3号煤层和15号煤层之间存在一个疑似含水低阻填充断层，可能影响了该井产能。

最后，该探测技术还需要更为严谨的理论分析和更多的实际资料进一步验证。

[1] Qin Qiming,Li Baishou,Ye Xia,et al.Analysis of factors affecting natural source SLF electromagnetic exploration at geothermal wells[J].Chinese Journal of Geophysics-Chinese Edition,2010,53(3):685-694.

[2] Hou Guiting.Possibility of the application of the ultra-long electromagnetic wave remote sensor to marine geological exploration[J].Acta Geologica Sinica-English Edition,2000,74(2):391-393.

[3] Jiang Hongbo,Qin Qiming,Li Baishou.Passive SLF spectrum analysis for tracing the mining dynamic of CBM[J].Spectroscopy and Spectral Analysis,2011,31(7):1898-1901.

[4] Li Baishou,Qin Qiming,Ye Xia,et al.Analysing the result of the passive SLF electromagnetic exploration experiments at a mine water-rich area in Huaibei City,Anhui Province[J].Geology and Exploration,2009,45(4):432-437.

[5] 赵丽娟,秦 勇,林玉成.煤层含气量与埋深关系异常及其地质控制因素[J].煤炭学报,2010,35(7):1165-1169. Zhao Lijuan,Qin Yong,Lin Yucheng.Abnormal relation and its geological controls of coalbed methane content to buried depth of coal seams[J].Journal of China Coal Society,2010,35(7):1165-1169.

[6] 陶 树,汤达祯,许 浩,等.沁南煤层气井产能影响因素分析及开发建议[J].煤炭学报,2011,36(2):194-198. Tao Shu,Tang Dazhen,Xu Hao,et al.Analysis on influence factors of coalbed methane wells productivity and development proposals in southern Qinshui Basin[J].Journal of China Coal Society,2011,36(2):194-198.

[7] 王 赟,芦 俊,于光明.能识别煤层中垂直断距小于3 m的断层吗[J]?煤炭学报,2010,35(4):629-634. Wang Yun,Lu Jun,Yu Guangming.Anormal fault in coal seams with drop height less than 3 m can be identified in seismic exploration[J]?Journal of China Coal Society,2010,35(4):629-634.

[8] 毛志强,赵 毅,孙 伟,等.利用地球物理测井资料识别我国的煤阶类型[J].煤炭学报,2011,36(5):766-771. Mao Zhiqiang,Zhao Yi,Sun Wei,et al.Identification on the type of coal rank by using geophysical well logging data[J].Journal of China Coal Society,2011,36(5):766-771.

[9] Castagna J P,Smith S W.Comparison of AVO indicator:A modeling study[J].Geophysics,1994,59:1849-1855.

[10] Wang Youshan.A study of the EM method to explore strata[J].Chinese Journal of Geophysics-Chinese Edition,2006,49(1):256-263.

[11] Price A T.Theory of magnetotelluric methods when source field is considered[J].Journal of Geophysical Research,1962,67(5):1907-1920.

[12] Zhang Zexun.The Study of ultra-low frequency electromagnetic wave exploration to deep geological information[J].Acta Scicentiarum Naturalum Universitis Pekinesis,2009(2):33-37.

[13] Burrell G A,Peters L.Pulse-propagation in lossy media using the low-frequency window for video pulse radar application[J].Proceedings of the IEEE,1979,67(7):981-990.

[14] Huang Qinghua.Controlled analogue experiments on propagation of seismic electromagnetic signals[J].Chinese Science Bulletin,2005,50(17):1956-1961.

[15] Sa Zanyou.An experimental study of the electromagnetic emission memory effect during the deformation and fracture of coal or rock[J].Chinese Journal of Geophysics-Chinese Edition,2005,48(2):379-385.

[16] Wang Enyuan.A non-contact mine pressure evaluation method by electromagnetic radiation[J].Journal of Applied Geophysics,2011,75(2):338-344.

[17] Li Peijun.Filtering of ultra-low electromagnetic detection signal using independent component analysis[J].Acta Scicentiarum Naturalum Universitis Pekinesis,2009(4):621-627.

[18] Jutten C,Herault J.Blind separation of sources.1.an adaptive algorithm based on neuromimetic architecture[J].Signal Processing,1991,24(1):1-10.

[19] Daubechies I,Sweldens W.Factoring wavelet transforms into lifting steps[J].Journal of Fourier Analysis and Applications,1998,4(3):247-269.

Naturalsourcesuper-lowfrequencyelectromagneticprospectingintheapplicationofcoal-bedmethanereservoiridentification

WANG Nan,QIN Qi-ming,CHEN Li,BAI Yan-bing

(InstituteofRemoteSensingandGIS,PekingUniversity,Beijing100871,China)

Proposed the natural source super-low frequency(SLF)electromagnetic prospecting technology in identifying coal-bed methane(CBM)reservoirs，and illustrated the theory,the strategy and the feasibility of reservoir information extraction.Applied the integrated method of the independent component analysis(ICA)and lifting wavelet transform to filter and reconstruct the SLF curves,and the results successfully suppress the power line interference.By means of the reconstructed SLF signal,authors effectively recognize multi-reservoirs in three CBM wells with different reservoir depths and varying scales of power line interference,and meanwhile evaluate the identification accuracy with depth deviations from 2to 14meters.In the profile study of one production CBM well,observe that the SLF prospecting technology contributes to deriving the CBM reservoir distribution and the hydrological information.The analysis indicates that a low resistance body is inferred as a water-filled fault,which may reduce the CBM capacity and should be verified.

super-low frequency(SLF);electromagnetic prospecting;coal-bed methane(CBM);reservoir identification;independent component analysis(ICA);lifting wavelet transform

10.13225/j.cnki.jccs.2013.0153

国家科技重大专项子课题“基于静态信息/排采历史耦合的煤储层分析与探测技术”资助项目(2011ZX05034-02)

王 楠(1987—)，男，吉林松原人，博士研究生。E-mail：wangnan8848@126.com。通讯作者：秦其明(1955—)，男，江苏徐州人，博士生导师。E-mail：qmqinpku@163.com

P631.325

A

0253-9993(2014)01-0141-06

王 楠，秦其明，陈 理,等.天然源超低频电磁探测技术在煤储层识别中的应用[J].煤炭学报,2014,39(1):141-146.

Wang Nan,Qin Qiming,Chen Li,et al.Natural source super-low frequency electromagnetic prospecting in the application of coal-bed methane reservoir identification[J].Journal of China Coal Society,2014,39(1):141-146.doi:10.13225/j.cnki.jccs.2013.0153