AVO反演预测煤层瓦斯富集区

曾 葫，裴圣良，汤小明

(1.中国矿业大学(北京)地球科学与测绘工程学院，北京 100083；2.桂林理工大学地球科学学院，桂林 541000； 3.中国煤炭地质总局勘查研究总院，北京 100039)

AVO反演预测煤层瓦斯富集区

曾 葫1，裴圣良2,3，汤小明1

(1.中国矿业大学(北京)地球科学与测绘工程学院，北京 100083；2.桂林理工大学地球科学学院，桂林 541000； 3.中国煤炭地质总局勘查研究总院，北京 100039)

以赵家寨煤矿为例，对叠前地震数据进行滤波、超道集、保幅等一系列处理，得到高信噪比的叠前地震数据，进而计算出多种AVO(振幅随偏移距的变化Amplitude Versus Offset)属性。通过多种AVO属性与实际钻孔含气量的线性分析，认为极化量属性(PM)具有较好的相关性。对PM属性进行Kriging内插值，最终得到勘探区煤层含气量分布。为验证AVO反演预测煤层瓦斯富集区的准确性，选取矿区14采区18个钻孔进行对比，结果表明，预测的瓦斯含量平均误差为0.95%，最大误差也小于1.5%，均在误差范围内，可见利用AVO反演能够比较准确的圈定瓦斯富集区。

瓦斯富集区；AVO反演；极化量属性；Kriging插值

0 引言

传统的煤层瓦斯预测方法是利用钻孔信息，结合多元回归数学方法对煤层瓦斯富集区进行预测[1]，这种方法只有在钻孔揭露点具有较高的准确性，对于大面积、构造复杂的煤层来说，并不能有效的预测瓦斯富集区。

相对于传统钻井预测方法的单点性，煤田三维地震具有较大优势，其在勘探区内5m或10m的控制距离保证了在任意方向上剖面数据的连续性，可以弥补传统方法的不足。

1 方法原理

AVO技术是利用反射系数随入射角变化的原理，在叠前道集上分析振幅随偏移距变化的规律，求取岩石的弹性参数、研究岩性及检测烃类物质的重要技术。

Zoeppritz方程描述了P波与S波入射至界面时各自产生的反射、透射的P波和S波之间关系。设有两层各向同性的介质，当地震纵波非垂直入射(即非零偏移距)时，在弹性界面上会产生反射纵波、反射横波、透射纵波和透射横波。如图1所示。

图1 入射波、反射波、透射波之间的关系Figure 1 Relationships among incident wave, reflection wave and transmission wave

Zoeppritz方程是一个由入射角、反射角、透射角、界面上下岩石纵(横)波速度、界面上下岩石密度为未知量而组成的一个四阶矩阵方程组。要想求解这个方程组是十分困难的，并且其解析解的表达式也十分复杂，直接分析参数对反射系数的影响是困难的。人们希望找到一种形式简单，精确方便的简化公式，许多学者对反射系数的公式进行了近似，有Bortfeld、Hilterman、Aki和Richards、Shuey等多种近似公式[6-9]。本次反演采用的近似公式是Aki和Richards近似及Shuey近似。

Aki和Richards认为，在大多数的情况下，相邻两层介质的弹性参数变化较小，即ΔυP/υP、ΔυS/υS、Δρ/ρ和其他值相比为小值，因此可以省略它们的高次项，故其纵波的反射系数R(θ)如式(1)表示：

(1)

其中，ΔυP、ΔυS和Δρ分别为反射界面两侧介质纵波速度、横波速度和密度的平均值，即：

υP=(υP1+υP2)/2，υS=(υS1+υS2)/2 ，

ρ=(ρ1+ρ2)/2 ；

ΔυP、ΔυS和Δρ分别为反射界面两侧介质纵波速度、横波速度和密度的差值，即

ΔυP=υP2-υP1，ΔυS=υS2-υS1，Δρ=ρ2-ρ1；

θ为纵波入射角与纵波透射角的平均值，即

θ=θ1+θ2/2 .

以Aki和Richards近似为基础，通过对其重新组合，Shuey得到一个随着入射角变化的近似线性公式(2)：

这倒提醒了柳红。刚才她的大脑突然跳闸，现在终于恢复了思维，想起自己为什么穿梭这片状况很不一般的玉米地，忙便朝苏秋琴背后的方向指了指：“我去抓小偷！我去抓小偷！”就拔腿跑了，跑得跟个小偷似的。

(2)

上式中运用了了简化公式：

σ和Δσ分别为反射界面两侧介质的泊松比的平均值和差值。

从此可以看出，Shuey近似公式是通过侧重泊松比(σ和Δσ)而不是横波速度来进行AVO研究。

2 AVO反演

本次AVO反演主要技术路线如图2所示。

图2 AVO反演技术路线Figure 2 AVO inversion technical route

通过这个过程希望能获得与地下实际情况比较符合的截距和梯度信息，为了实现这一目的，主要通过对比测井的AVO响应与实际地震资料的响应是否一致。当测井资料可靠时，以测井资料为准，当实际地震资料的振幅信息可靠时，以实际地震资料为准。比较而言，本勘探区内的测井资料比较齐全，因此以测井资料为准调整地震资料的振幅信息。

2.1 速度场建立及角道集的生成

求解AVO的截距和梯度等相关信息，需要知道入射角、透射角。根据斯奈尔定理可知，这些信息可根据层速度求取，层速度场的建立方法主要有两种：一是根据地震资料处理得到的均方根速度，转换成层速度；二是根据测井的速度信息建立速度场。通过对该矿区的研究表明，用测井资料建立的速度场精度和效果比较好，主要是由于测井资料的在纵向上具有较高的分辨率，与地下介质的情况更为吻合。根据建立的速度场进行角度集的生成。根据该区的资料分析可得，本次勘探区内的入射角为0～40°，在局部变观区域可达到45°。

2.2 横波速度近似

根据地震波动力学原理可知，可以利用介质的纵波、横波、密度三个参数来计算地震数据的截距和梯度。由于实际地震资料中缺乏横波测井资料，而Castagna(1985)通过实际的实验数据和现场测量分析了不同岩石纵横波速比的变化规律，对于某些岩石来说，其υp/υs非常稳定，得到经验公式如式(3)：

υS=0.86·υp-1.17 .

(3)

此处速度单位为km/s。这个公式具有一定的局限性，但是在没有其他数据或者无法获得其它关系式时，该公式是比较有用的。

2.3 滤波处理

地震数据的噪声往往覆盖了很多有用的地质信息，为了突出这些信息，就需要对地震数据进行滤波处理。利用叠前地震数据的滤波处理，目的是为了有效压制面波及其他噪声的干扰，提高地震数据的信噪比，减少干扰波给地震解释带来的假象，为后面的AVO反演预测煤层瓦斯富集区提供更好的数据基础。从图3和图4的对比中可以看出，滤波处理对噪声压制的效果明显，有效的提高了地震数据信噪比。

图3 Xline 248CMP道集时间剖面Figure 3 X line 248 CMP trace gather time section

图4 Xline 248滤波后道集时间剖面Figure 4 Xline 248 CMP trace gather time section after filtering

2.4 大道集分析

本区的地震资料，在10m×10m面元内的覆盖次数为24次。这对于叠前地震数据来说，往往不能满足统计性分析的需要，因此需要进行扩大面元分析，形成大道集，从而进一步提高资料的信噪比。本次反演使用的大道集为20m×20m，处理后的覆盖次数约为12×8=96次，很明显的可以看到在大道集上，振幅随着偏移距具有明显的变化规律。如图5和图6所示。

图5 Inline1 54大道集时间剖面Figure 5 Inline 54 large trace gather time section

图6 Xline 218大道集时间剖面Figure 6 Xline 218 large trace gather time section

2.5 保幅处理

由于地震在地下传播的过程中，振幅受到介质吸收、球面扩散[10]等多种因素的影响，因此还需要通过一定的保幅处理[11]，恢复地震资料原有的振幅特征。

由于保幅处理后的地震数据得到的AVO现象不一定符合煤层顶板负截距正梯度、底板正截距负梯度的规律。所以保幅处理是否合适，依据是选取井附近的地震资料，分析其振幅随偏移距变化规律，然后与井资料的振幅随偏移距变化规律对比，看两者之间是否具有一致性。如果实际地震资料的AVO现象与井资料差别比较大，则需要进一步进行地震资料的保幅处理。

2.6AVO最优属性选择及含气量预测

对叠前地震数据进行AVO反演，得到截距(A)和梯度(B)两种AVO属性。进一步对这两种属性进行数学运算，就可以得到多种AVO属性。

AVO解释的目的就是要把AVO属性与岩性信息联系起来，揭示AVO属性的地质意义。首先分析AVO属性的获取方法，得到每一种属性与地质参数的对应关系，最后结合研究区的地质概况和地球物理特点，建立本区地质异常的AVO识别标志(即最相关属性)。

整理勘探区内实际的钻孔含气量数据，把多种AVO属性分别与实际钻孔数据进行比对，做出线性相关性分析，分析结果如表1。选取其中相关性最高的一种AVO属性来预测煤层瓦斯含气量。

表1 赵家寨煤矿AVO属性与含气量之间的线性关系Table 1 Linear relationship between AVO attributes and gas content in Zhaojiazhai coalmine

通过多种AVO属性与实际钻孔含气量的线性分析，结果表明极化量属性PM(通过A的协方差矩阵计算获得)的相关系数最高，故选取极化量PM为最优AVO属性，其与钻孔含气量相关性分析如图7，以之为基础进行Kriging内插值，得到最终的勘探区煤层含气量分布图(图8)。

图7 PM属性相关性分析Figure 7 PM attributes correlativity analysis

图8 赵家寨煤矿14采区二1煤层吨煤含气量分布Figure 8 Coal II1 gas content per ton distribution in No.14 winning district, Zhaojiazhai coalmine

2.7 误差分析

为了检查反演预测煤层瓦斯富集区的准确性，需对比实际钻孔资料对其进行误差统计。如表2所示，误差分析的结果表明，AVO反演预测的瓦斯含量的相对误差在1.5%以内(一般误差范围不超过5%)，能够比较准确的圈定瓦斯富集区。

表2 赵家寨煤矿14采区钻孔含气量预测及误差分析Table 2 Borehole gas content prediction and error analysis in No.14 winning district, Zhaojiazhai coalmine

续表2 赵家寨煤矿14采区钻孔含气量预测及误差分析Table 2 Borehole gas content prediction and error analysis in No.14 winning district, Zhaojiazhai coalmine

3 结束语

该矿区预测结果和实际钻孔资料的误差分析表明，AVO反演预测的煤层瓦斯富集区符合实际情况，能够有效的指导煤矿的安全生产。

传统的方法仅仅利用钻孔含气量内插值得方法，在钻孔密集的地方能有较好的准确性，但在钻孔资料少，构造复杂的地方，就会由于钻孔的单点性和地质体的不连续性无法准确预测煤层含气量的分布。

相较于传统方法，AVO反演选取的极化属性考虑了子波的影响，容易将AVO异常从AVO背景值中分离出来，对AVO异常的解释很有利，同时较大极化属性的线性相关系数直接指示了含气的存在，模糊性减小。结合钻孔含气量的数据，既能在有钻孔数据的区域有很好的预测效果，也能在缺少钻孔数据、构造复杂的区域，利用三维地震数据的连续性，通过AVO多属性反演很好的预测煤层含气量，圈定煤层瓦斯富集区。

[1]汤友谊，王言剑.煤层瓦斯含量预测研究[J].焦作工学院学报,1997,16(2):68-72.

[2]吴财芳,曾勇,张子戌.低瓦斯矿井煤层瓦斯异常涌出的研究[J].中国煤田地质, 2003, 15(4): 20-22.

[3]胡朝元,彭苏萍,杜文凤，等.利用地震AVO反演预测煤与瓦斯突出区[J].天然气地球科学,2011，22(4)728-732.

[4]彭苏萍,高云峰,杨瑞召,等.AVO探测煤层瓦斯富集的理论探讨和初步实践[J].地球物理学报,2005,48(6)：1475-1485.

[5]杜文凤,彭苏萍,王珂,等.瓦斯突出煤和非突出煤AVO响应的比较[J].中国煤炭地质,2010, 22(10)：810-815.

[6]Bortfeld R.Approximation to the reflect ion and transmission coefficients of plane longitudinal and Transverse waves[J].Geophysical Prospecting,1961,9: 485-502.

[7]Hilterman F.Seismic LithologyM.SEG～continuing Education[M],1983.

[8] Aki, K., and Richards, P.G.Quantitative Seismology[J], 2nd Edition: W.H.Freeman andCompany.Shuey R.E,1985.A simplification of the Zoeppritz equations.Geophysics, 2002,50:609-614.

[9]Shuey, R.T..A simplification of the Zoeppritz equations.Geophysics[J],1985,50:609-614.

[10]黄饶,陈小宏,李景叶，等.基于球面波的地震记录合成方法及AVO分析[J].中国石油大学学报(自然科学版),2009,33(3)：49-52.

[11]洪林,朱秋影.基于叠前深度偏移的AVO反演及解释[J].地球物理学进展,2007,22(3)：905-912.

Coal Seam Gas Enrichment Region Prediction through AVO Inversion

Zeng Hu1, Pei Shengliang2,3and Tang Xiaoming

(1.School of Geosciences and Surveying Engineering, CUMTB, Beijing 100083; 2.College of Earth Sciences, Guilin University of Technology, Guilin, Guangxi 541000; 3.Exploration and Research Institute, CNACG, Beijing 100039)

Taking the Zhaojiazhai coalmine as an example, carried out a series processing of filtering, trace super-gathering and amplitude preserving to get high signal-to-noise ratio, and then computed amplitude vary with offset (AVO) attributes. Through multiple AVO attributes and actual borehole gas contents linear analysis considered that the polarization magnitude (PM) attributes have better correlativity. The PM attributes Kriging interpolation has finally gotten the coal seam gas content distribution in the prospecting area. To verify the accuracy of coal seam gas enrichment regions from AVO inversion prediction have carried out comparison of 18 boreholes in mine area No.14 winning district. The result has shown that the average error of predicted gas contents is 0.95%, the maximum less than 1.5%; thus all within allowable error range. It is clear that the AVO inversion can delineate gas enrichment region rather accurate.

gas enrichment region; AVO inversion; PM attribute; Kriging interpolation;

10.3969/j.issn.1674-1803.2017.07.16

1674-1803(2017)07-0070-05

国家自然科学基金项目(41402143)

曾 葫(1991—)，男，重庆市开县人，硕士研究生，从事地震资料解释，反演方面的研究。E-mail：hoo_tsang@foxmail.com

2017-03-23

责任编辑：孙常长

文献标识码：A