基于多尺度小波能谱分析的煤储层含气性评价

摘要：煤储层含气量是评价煤储层含气性的重要参数之一，采用常规的测井方法很难直接获取准确的含气量。研究首次提出依据不同含气量煤储层的测井响应在小波能谱特征上的差异，通过对密度、声波时差等曲线进行多尺度小波能谱分析，建立小波能谱特征与含气等级之间的对应关系，并以此为依据对其他煤储层含气等级进行判别。实例分析结果表明，采用该方法能够有效提高煤储层含气等级判别的准确性。

关键词：煤层气 多尺度小波能谱分析 含气量 测井曲线

中图分类号：P631

Evaluation of the Gas-Bearing Property of Coal Reservoirs Based on Multiscale Wavelet Energy Spectrum Analysis

QI Lihong GUAN Wenzheng

Wuhan Campus of Yangtze University， Wuhan， Hubei Province， 430100 China

Abstract： The gas content of coal reservoirs is one of the important parameters to evaluate the gas-bearing property of coal reservoirs， and it is difficult to obtain accurate gas content directly with the conventional logging method. According to the difference in the wavelet energy spectral characteristics of the logging response of coal reservoirs with different gas contents， through the multiscale wavelet energy spectrum analysis of curves such as density andacoustic time difference， this study first proposes to establish the correspondence between the wavelet energy spectral characteristic and the gas-bearing grade， and is based on this to identify the gas-bearing grade of other coal reservoirs. The results of case studies show that this method can effectively improve the precision of the identification of the gas-bearing grade of coal reservoirs.

Key Words： Coalbed methane; Multiscale wavelet energy spectrum analysis; Gas content; Well log

煤层气作为一种典型的非常规清洁资源，因其储量巨大、分布广、清洁等特点已成为能源领域研究和开发的热点 [1-2]。煤储层含气量是反映煤储层含气性的重要参数，也是进行实际生产的重要依据。实际生产过程中，获取煤储层含气量主要来源于煤芯解吸实验，而取芯成本高、周期长。通过测井资料能够获取地层信息方便、经济，但采用测井资料直接计算含气量，目前往往计算结果与真实情况存在较大差异[3]。于是有学者提出采用BP神经网络算法等算法的含气量预测方法[4-6]，这些方法各具优势，但目前应用的效果仍然无法满足实际需要。本文提出将多尺度小波能谱分析法[7]应用于煤储层含气性评价，通过对测井资料进行多尺度小波能谱分析，建立小波能谱特征与不同含气量间的对应关系，并以此为依据对煤储层含气等级进行判别。

1 多尺度小波能谱分析

从信号分析的角度，假设含气量信号是淹没于地层岩性和煤组分等信号中的微弱信号，导致该信号在一般的测井信号中很难直接被识别和定量评价。小波能谱分析法就是分析不同含气量情况下，测井信号的小波能谱差异，从而对储层含气等级进行区分。

根据该原理，假设共有M类不同含气量的煤储层，每一类煤储层有N个层，则第m类第n个模型的测量信号为，根据MALLAT快速分解算法有

式（1）、式（2）、式（3）中的分别为低频滤波器矩阵和高频滤波器矩阵，当时，分别表示不同含气等级类型，为分解尺度，为位移量，为第个模型的能量值，。

令为第类所有个储层的小波能量总谱。

定义求取第类第个模型的能量主峰所在的小波分解尺度的运算算子为其中为矩阵，为狄拉克函数，将离散小波变换式中的积分符号变为求和符号。定义为高含气量煤储层， 为低含气量煤储层。

2小波能谱特征库建立

密度（DEN）、声波时差（AC）、电阻率（RLD）等测井曲线都是地层信息的综合响应，都含有煤储层含气量信息。通常依据低密度、高声波时差和高电阻率区分煤层；由于RLD探测较深，能够更好地反映地层，故主要选择 DEN、AC和RLD等曲线进行小波能谱分析。经过小波变换后的能量与原始信号之间存在常数比例关系，因此可以认为变换后的高频小尺度信号对应煤储层微观孔隙结构，而低频大尺度信号对应煤层储煤性等。根据上述方法，对QS盆地Z区块253口取芯井的3#层进行含气量统计分析，得到如图1所示的频数分布规律直方图。

通过图1可以看出，该区块含气量大部分分布在17 cm3/g及以上，还有部分分布在17 cm3/g以下，故而将该区块设定界限值为17 cm3/g，大于或等于该界限值为高含气量储层，小于该界限值为低含气量储层。依据图1，随机选取55个不同含气量煤储层进行分析，并对这些煤储层DEN、AC等曲线作多尺度小波能谱分析，得到如图2、图3所示的能量频谱图，横坐标表示小波变换尺度，纵坐标EM表示不同分解尺度下的能量主峰尺度发育频率值。

如图2、图3所示，对于该Z区块而言，当储层含气量高时3条曲线在分解尺度为6处达到能量主峰值；而对于含气量低的储层，能量主峰值出现的尺度有所偏移，AC、RLD在分解尺度为4时，达到主峰值，DEN则是在尺度为5时，达到主峰值。因此对于储煤层而言，当AC、RLD和DEN在分解尺度为6处出现主峰值时，可以判定为高含气量煤储层，而当AC和RLD在分解尺度为4时出现主峰值，而DEN在分解尺度为5出现主峰值，则可判定为低含气量煤储层。通过上述计算可得到表1所示的不同含气等级能量主峰-分解尺度的小波能谱特征集。

3 应用实例

采用该方法，本文随机选取了该区块另外10口取芯井的3#煤层进行计算分析，计算结果如表2所示。

如表2所示， Z区块10口井中，有8口高含气量井，2口低含气量井，而含气量的实验报告显示，平均含气量有8口井的高于17 cm3/g，2口井低于17 cm3/g，预测结果与实验结论一致。

4 结论

本文针对煤储层含气量评价的难题，提出了将多尺度小波能谱分析法应用于测井资料的煤储层含气性评价，以期为实际生产提供依据。应用结果表明：（1）采用多尺度小波能谱分析法能够有效提高煤储层含气性测井评价的准确性；（2）实际应用效果表明，该方法从信号能量分布角度为煤储层含气等级评价提供了一种新的思路和方法。

参考文献

[1] 邹才能，杨智，黄士鹏，等．煤系天然气的资源类型、形成分布与发展前景［J］．石油勘探与开发，2019，46（3）：433－442．

[2] 门相勇，娄钰，王一兵，等中国煤层气产业“十三五”以来发展 成效与建议［J］.天然气工业，2022，42（6）：173－178．

[3] 关文政.基于支持向量机的煤储层参数测井评价方法研究[D].荆州：长江大学，2016.

[4] 李丹丹，王振国，降文萍，等.基于测井参数的煤层含气量定量评价方法研究：以寿阳区块15煤为例[J].中国煤炭地质，2022，34（8）：34-40.

[5] 傅雪海，张小东，韦重韬.煤层含气量的测试、模拟与预测研究进展[J].中国矿业大学学报，2021，50（1）：13-31．

[6] 谭浩，郭庆，门鹏，等.测井方法计算煤层气含量在宁夏石嘴山矿区的应用研究[J].中国煤层气，2021，18（4）：32-35.

[7] 葛新民，范卓颖，范宜仁，等.基于核主成分-小波能谱分析的复杂储层油水界面预测[J].中南大学学报（自然科学版），2015，46（5）：1747-1753.