基于GIS的模糊优化法的页岩气有利区预测——以淮南煤田下石盒子组为例

胡宝林，平文文，郑凯歌，刘会虎，徐娟，杨华泽

（1.安徽理工大学地球与环境学院，安徽 淮南 232001；2.中煤科工集团西安研究院有限公司，陕西 西安 710054）

0 引言

页岩气资源量非常巨大，远超过其他非常规天然气资源。页岩气勘探开发已成为世界天然气勘探开发的热点，我国近年来也开展了大量的研究，尤其在页岩气成藏方面[1-6]。然而，国内学者和机构虽然进行了一些页岩气相关的评价和预测[7-10]，但完整的勘探有利区评价体系尚未建立。笔者依据前期对国内外页岩气勘探开发现状调研，结合淮南煤田页岩气地质背景和成藏特征的实际情况，从页岩气有利区地质条件、经济效益等多方面的因素出发，以淮南煤田下石盒子组为例，利用模糊优化评价方法，结合GIS格网空间叠加功能，对淮南煤田下石盒子组进行了有利区评价和优选。

淮南煤田向东与郯鲁断层连接，向西以周口凹陷为边界，北边为蚌埠隆起，南部和合肥凹陷相接，地处华北板块的东南边缘部，面积2 910 km2。研究区石炭、二叠纪含煤岩系包括晚石炭世的太原组、早二叠世的山西组和下石盒子组以及晚二叠世的上石盒子组，其中，下石盒子组发育多段暗色泥页岩，为一套下三角平原沉积相含煤烃源岩，包括暗色泥岩、煤层和碳质泥岩，具有较好生烃和成气条件[10]。

根据钻孔资料统计及实验结果，淮南煤田下石盒子组埋深总体在380～1 500 m；有效泥岩厚度为30～110 m，呈现出西部薄东部厚、北部薄南部厚的整体特点，泥页岩TOC在0.42%～3.87%；朱马店镇—桂集乡—贺疃乡一线向北延伸，TOC＞3.0%，Ro在0.73%～1.18%，达到低成熟—成熟阶段；研究区泥页岩总含气量在1.01～2.13 m3/t。下石盒子组页岩矿物成分分为3类：脆性矿物（石英、长石、碳酸盐矿物）、黏土矿物和自生非黏土矿物（主要是菱铁矿、黄铁矿）。其中，脆性矿物体积分数31.70%～52.40%，平均38.63%；黏土矿物体积分数34.00%～66.40%，平均53.50%；自生非黏土矿物体积分数1.80%～13.60%，平均8.10%。页岩孔隙度整体变化在1.06%～3.97%。

1 评价指标的选择

页岩气有利区优选的过程中所考虑的指标很多，在借鉴前人研究成果的基础上，结合北美页岩气勘探的成功经验，在遵循全面、独立、简单、实用、通用性5个原则的前提下[10]，从储层因素、经济效益、资源规模3个方面考虑，根据页岩气评价指标体系标准，国内学者在对中国页岩气形成聚集地质条件及资源评价和选区研究经验[11-12]，结合淮南煤田地质特征，筛选出泥页岩脆性矿物体积分数、泥页岩孔隙度、页岩埋深、暗色泥页岩有效厚度、有机质体积分数、有机质成熟度及泥页岩含气量等7个相互独立的影响因素，作为页岩气有利区优选评价指标。

2 页岩气有利区评价模型及方法

2.1 模糊综合评价模型建立

本研究采用基于GIS空间叠加分析的多层次模糊综合评价模型，对评价系统划分层次，建立多层次结构模型（见图1）。评价过程中，首先将研究区划分网格区块，分别对每一区块进行模糊综合评判。

图1 页岩气有利区评价模型

本次模糊计算，选择7个评价影响因素，构建7个评价指标。把因素按属性分成3类，即储层因素、经济因素及资源规模。首先对每一类作出综合评判，然后再对评判结果进行“类”之间的高层次综合评判。

步骤如下：将评价因素集 A={A11，A12，A21，A31，A32，A33，A34}按属性的类型划分为3个子集，记作A1，A2，A3，应满足{A11+A12+A21+A31+A32+A33+A34}=A，Ai∩Aj为非空集（i≠j）。

1）对于每个子集Ai，按一级模型进行评判，Ai上的权重集 Bi={bi1，bi2，…，bin}且，Ai的单因素评判矩阵为Ri，以资源规模为例，根据建立的隶属函数求，得求出4个影响因子rij的隶属度，组成隶属度矩阵。

于是第1级的综合评判为Ci=Bi⊙Ri。

2）每个Ci作为页岩气有利区预测评价A的一部分，其反映了A的某种属性，再用Ci作为它的单因素评判，又可构成评判矩阵：

按其重要程度得出权重集 B={b1，b2，…，bn}，于是有第2级综合评判C=B⊙R。

式中⊙为模糊运算合成算子，本次采用M（·，+）进行模糊矩阵运算[13]。

2.2 权重系数的确定

评价因素权重的确定是综合评价关键的环节之一[14]。综合北美页岩气勘探的成功经验及国内有关专家对各类影响页岩气有利区评价因素的分析[15-17]，笔者通过征询部分专家，对各因素进行概念估算，由于专家确定的是各因素的重要性程度，因此，对其进行了归一化处理。

构造判断矩阵建立时，上一层的指标因素被分为若干个与之相关的下层指标因素，而每个指标的同一层指标的作用大小是不同。因各因素以对目标U的影响不一样，因此若将因素两两比较，可得到因素对目标重要性权数比（见表1），计算出各因素重要性比值。其方法主要是，用dij表示两指标重要性比值，其中dij与dji互为倒数；dij的取值标准按照表（见表1）的标度进行赋值；根据各个指标的赋值标准，可以得到判断矩阵D。

表1 判断矩阵的标度及其含义

式（3）中满足 dii=1，dij=1/dji。

通过对判断矩阵（Dij）mm进行归一化处理，求得各指标因素对上一层次中所占的权重。按上述方法求得研究区下石盒子组页岩气综合评价各个参数权重（见表2）。

表2 淮南煤田页岩气有利区评价指标权重

2.3 各因素隶属函数确定

隶属度是确定模糊关系的一个关键环节的因数。评价因素的隶属函数是因素评价的一种度量规范，因素的隶属度反映了以评价指标因素对评价对象为基础、以其影响的大小为延展的模糊性。考虑各个评价指标因素对页岩气的富集等的影响程度，通过统计类比法、待定系数法和模糊统计分析，确定各因素的隶属函数（见表 3）。

表3 石盒子组页岩气有利区评价指标隶属度

2.4 评价参数的数据处理方法

2.4.1 指标参数网格化数据获取

在实测及钻孔资料统计数据分析的基础上，编制7个指标参数等值线图，并进行数据网格化，主要步骤为：首先，利用Surfer软件中基于克里格法对各等值线图网格化处理，7个指标参数网格化过程中保持网格线素一致，即X，Y方向最大、最小坐标及网格间距一致，考虑淮南煤田实际情况，本次网格间距选择1000m；其次，利用Surfer软件的数据转化功能将各指标参数GS Binnary（*Grd）文件数据；然后，利用 Mapgis软件，选择与参数等值线图相同的边界坐标，建立1 000 m×1 000 m方格图（合计3 672个单元），并形成网格区文件。最后，利用Mapgis软件的属性挂接功能，将各参数*Grd文件的指标数据，填入相应的网格区单元。

2.4.2 指标参数数据空间叠加

GIS的空间叠加包括矢量数据结构的图层进行域与域的叠加及栅格数据结构的图层叠加[18]。本次采用栅格数据结构的图层叠加方法（见图2）。将7个参数叠加的最终结果导出为Excel表，根据表2中各参数隶属函数，分别计算出每个影响因子在各计算格网单元的隶属度，并赋予每一因素相应的权重。在此基础上，采用层次模糊计算方法求出各单元的综合评价值，并利用Mapgis属性挂接功能将各个评价值赋给个网格单元中（见图3）。

图2 栅格数据叠加示意

图3 数据叠加后的网格属性示意

2.4.3 综合评价分区

将各区单元最终评价结果及单元中心点坐标导出，并利用Surfer软件自动生成综合评价值等值线图。根据淮南煤田实际情况，确定阉割值，进行页岩气有利区划分。

3 评价结果及分析

研究区定义评价集为“页岩气有利区”，即通过计算获得的综合评价值越高，该区域越有利于勘探开发。根据综合评价值结果将研究区下石盒子组有利区分为4种类型：

第1类。综合评价值大于0.68，分布在研究区的贺疃乡—丁集乡—桂集乡、新集乡一线、平圩镇及高皇镇一带。其泥岩厚度85～105 m，TOC为6.0%～3.7%，平均2.5%，含气量均超过2 m3/t，孔隙度平均值大于3.5%，脆性矿物体积分数较高，平均达43%，埋深为700～900 m，局部小范围内达到1 200 m，Ro为0.80%～1.05%，可以作为研究区页岩气优等有利开发区。

第2类。综合评价值为0.62～0.68，分布在研究区大兴集、古店以及研究区城北乡—芦集—泥河—夹沟—山王镇—洛河镇一线向东向北延伸（除第1类区中的平圩镇及高皇镇）的区域内东西边缘的中部区域。其泥岩厚度为65～105 m，TOC为1.0%～2.5%，大兴集、古店达到3.4%，含气量为1.0～2.0 m3/t，孔隙度平均在3.0%左右，脆性矿物体积分数平均为39%，埋深为800～1200m，局部范围内达到1500m，Ro为0.70%～1.00%。

图4 淮南煤田下石盒子组页岩气有利区综合评价结果

第3类。综合评价值为0.50～0.62，分布在研究区谢桥镇—汤店镇—杨村乡—尚塘乡向西延伸区域以及潘集区附近，其评价参数有2～3个不能达到勘探开发临界指标，划分为中等有利区。

第4类。综合评价值小于0.50，分布比较散乱，主要在潘集区、顾桥、唐山镇附近。其泥页岩厚度基本小于25 m，含气量低，不具备可开采的页岩气形成的物质条件。

以往模糊综合评价，主要是先划分评价区域，求得各评价区影响因子隶属度平均值，再利用模糊数学方法计算各评价区的评价值，该方法无法反映各影响因子在评价区内变化的平均值，而各影响因素在区域内的变化无法反映。基于GIS的模糊优化法的页岩气有利区预测方法，将模糊评判与GIS软件的强大空间分析能力结合。本方法运用GIS可表现各参数在评价区的空间分布，并利用GIS的空间叠加功能，可快速地获取给定网格范围内的各参数属性，基于网格范围内的评价结果可在GIS图件中直观地表现出来，通过在软件中给定阉割值有利区的空间分布，为后期页岩气勘探开发方向提供依据。

4 结论

1）在借鉴北美页岩气勘探成功经验的基础上，结合国内研究成果，从储层因素、经济效益、资源规模3个方面，以及研究区下石盒子组的地化、沉积学等特征出发，筛选出有效厚度、含气量等7个影响因素作为有利区的评价指标，并建立了适合研究区下石盒子组页岩气有利区的评价标准。

2）将GIS空间叠加技术与模糊优化法相结合，提高了各个参数评价值的精度，可以迅速便捷地计算和划分出最优有利区范围，并且评价体系和方法可操作性强，可根据建立的不同区域进行改善和优化。

3）运用GIS方法结合模糊优化法，对淮南煤田下石盒子组进行有利区的综合评价与优选。根据综合评价结果，将下石盒子组有利区分为4种类型。研究区页岩气勘探开发最优有利区为贺疃乡—丁集乡—桂集乡—新集乡一线、平圩镇及高皇镇一带。

[1]张金川，薛会，张德明，等.页岩气及其成藏机理[J].现代地质，2003，17（4）：466.

[2]张金川，金之钧，袁明生.页岩气成藏机理和分布[J].天然气工业，2004，24（7）：15-18.

[3]张金川，聂海宽，薛会，等.中国天然气勘探的2个新领域：根缘气和页岩气[J].中南大学学报：自然科学版，2006，37（增刊 1）：12-16.

[4]张金川，聂海宽，徐波，等.四川盆地页岩气成藏地质条件[J].天然气工业，2008，28（2）：151-156.

[5]王庆波，刘若冰，魏祥峰，等.陆相页岩气成藏地质条件及富集高产主控因素分析：以元坝地区为例[J].断块油气田 2013，20（6）：298-703.

[6]徐国盛，徐志星，段亮，等.页岩气研究现状及发展趋势[J].成都理工大学学报，2011，38（6）：603-604.

[7]董立，赵旭，涂乙.页岩气成藏条件与评价体系[J].石油地质与工程，2014，28（1）：18-21.

[8]王世谦，王书彦，满玲，等.页岩气选区评价方法与关键参数[J].成都理工大学学报：自然科学版，2013，40（6）：609-620.

[9]李延钧，刘欢，刘家霞，等.页岩气地质选区及资源潜力评价方法[J].西南石油大学学报：自然科学版，2011，33（2）：28-34.

[10]黄健良，牛欢，邓军.淮南地区煤层气地质特征及勘探开发前景[J].中国科技信息，2009（1）：21-22.

[11]李武广，杨胜来，王珍珍，等.基于模糊优化分析法的页岩气开发选区模型[J].煤炭学报，2013，38（2）：264-270.

[12]康园园，邵先杰，石磊，等.煤层气开发目标区精选体系与方法研究[J].岩性油气藏，2011，23（1）：62-65.

[13]谢季坚，刘承平.模糊数学方法及其应用[M].武汉：华中科技大学出版社，2006：26-85.

[14]刘秀婷，杨军，杨戟.用新模型综合评价油田开发效果的探讨[J].断块油气田，2006，13（3）：30-33.

[15]杨振恒，李志明，沈宝剑，等.页岩气成藏条件及我国黔南坳陷页岩气勘探前景浅析[J].中国石油勘探，2009，16（3）：24-28.

[16]Multalik P N.Case history of sequential and simultaneous fracturing of the Barnet shale in Pakrer County[R].SPE 116124，2008.

[17]Lee H M，Gary S，Makr M.Stimulation of gas shales：They are all the same-right[R].SPE 106070，2007.

[18]王建，白世彪，陈烨.Surfer8地理信息制图[M].北京：中国地图出版社，2004：52-58.