石油勘探与开发 >

2023 , Vol. 50 >Issue 4: 808 - 815

DOI: https://doi.org/10.11698/PED.20220691

油气田开发

煤层气开发地质“甜点区”模糊模式识别模型

  • 刘高峰 , 1, 2 ,
  • 刘欢 1 ,
  • 鲜保安 , 1, 2 ,
  • 高德利 3 ,
  • 王小明 4 ,
  • 张震 1
展开
  • 1 河南理工大学资源环境学院，河南焦作 454003
  • 2 中原经济区煤层气（页岩气）河南省协同创新中心，河南焦作 454003
  • 3 中国石油大学（北京）石油工程教育部重点实验室，北京 102249
  • 4 中国地质大学（武汉）构造与油气资源教育部重点实验室，武汉 430074
鲜保安(1966-)，男，陕西西安人，博士，河南理工大学资源环境学院教授，主要从事煤层气地质工程一体化、水平井钻完井工艺技术、非常规天然气增产等方面的科研与教学工作。地址：河南省焦作市高新区世纪大道2001号，河南理工大学资源环境学院，邮政编码：454003。E-mail：

刘高峰(1982-)，男，河南沁阳人，博士，河南理工大学资源环境学院副教授，主要从事煤层气地质与开发、瓦斯地质学、非常规油气地质学方面的研究与教学工作。地址：河南省焦作市高新区世纪大道2001号，河南理工大学资源环境学院，邮政编码：454003。E-mail：

Copy editor: 唐俊伟

收稿日期: 2022-10-13

  修回日期: 2023-05-25

  网络出版日期: 2023-07-25

基金资助

国家自然科学基金重点项目“煤层气低产储层靶向改造增产关键理论及技术基础”(42230814)

国家自然科学基金重点项目“复杂结构‘井工厂’立体设计建设基础研究”(52234002)

“构造与油气资源”教育部重点实验室开放研究基金课题“煤层气地质选区评价模糊模式识别模型研究”(TPR-2022-17)

收起

Fuzzy pattern recognition model of geological sweetspot for coalbed methane development

  • LIU Gaofeng , 1, 2 ,
  • LIU Huan 1 ,
  • XIAN Baoan , 1, 2 ,
  • GAO Deli 3 ,
  • WANG Xiaoming 4 ,
  • ZHANG Zhen 1
Expand
  • 1 School of Resources & Environment, Henan Polytechnic University, Jiaozuo 454003, China
  • 2 Henan Collaborative Innovation Center of Coalbed Methane and Shale Gas for Central Plains Economic Region, Jiaozuo 454003, China
  • 3 MOE Key Laboratory of Petroleum Engineering, China University of Petroleum, Beijing 102249, China
  • 4 Key Laboratory of Tectonics and Petroleum Resources, China University of Geosciences, Wuhan 430074, China

Received date: 2022-10-13

  Revised date: 2023-05-25

  Online published: 2023-07-25

Fold

摘要

从煤层气开发地质选区的角度出发，优选涵盖影响煤层气开发的地质条件和开采条件的煤层气开发地质“甜点区”评价参数，构建煤层气开发地质“甜点区”评价指标体系，并在此基础上建立煤层气开发地质“甜点区”模糊模式识别模型。应用该模型对沁水盆地南部樊庄区块3号煤层的4个评价单元进行评价，评价结果与实际开发效果一致，并与现有研究成果吻合，验证了模糊模式识别模型的合理性和可靠性。研究表明：煤层气开发地质“甜点区”模糊模式识别模型不涉及参数赋权，克服了层次分析与多级模糊综合评判传统模型由于参数赋权而导致评价结果具有不确定性的缺点，同时无需构建多级判断矩阵，计算过程更加简单。模糊模式识别模型预测结果可靠，可为煤层气高效开发提供技术支撑。

关键词： 煤层气开发; 地质“甜点区”; 评价指标体系; 层次分析; 多级模糊综合评判; 模糊模式识别

本文引用格式

刘高峰 , 刘欢 , 鲜保安 , 高德利 , 王小明 , 张震 . 煤层气开发地质“甜点区”模糊模式识别模型[J]. 石油勘探与开发, 2023 , 50(4) : 808 -815 . DOI: 10.11698/PED.20220691

Abstract

From the perspective of geological zone selection for coalbed methane (CBM) development, the evaluation parameters (covering geological conditions and production conditions) of geological sweetspot for CBM development are determined, and the evaluation index system of geological sweetspot for CBM development is established. On this basis, the fuzzy pattern recognition (FPR) model of geological sweetspot for CBM development is built. The model is applied to evaluate four units of No.3 Coal Seam in the Fanzhuang Block, southern Qinshui Basin. The evaluation results are consistent with the actual development effect and the existing research results, which verifies the rationality and reliability of the FPR model. The research shows that the proposed FPR model of geological sweetspot for CBM development does not involve parameter weighting which leads to uncertainties in the results of the conventional models such as analytic hierarchy process and multi-level fuzzy synthesis judgment, and features a simple computation without the construction of multi-level judgment matrix. The FPR model provides reliable results to support the efficient development of CBM.

Key words： coalbed methane development; geological sweetspot; evaluation index system; analytic hierarchy process; multi-level fuzzy synthesis judgment; fuzzy pattern recognition

0 引言

煤层气是以吸附状态储存于煤层中的一种非常规天然气，煤层气开发地质“甜点区”选区评价是进行煤层气资源高效勘探开发的前提和基础[1⇓⇓⇓-5]。煤层气开发地质选区评价是通过调查煤层气富集的关键控制因素、资源潜力、开采技术条件和评价指标等，选择煤层气勘探开发的有利区域[6-7]。美国、澳大利亚等煤层气商业开发成功的国家，根据具体地质条件，形成了适应自身储集层的煤层气区块开发评价技术[8-9]。
中国主要含煤地层成煤周期长，沉积环境多样，后期经历了多期构造运动和地质演化，煤层气储集层非均质性特征明显，同一煤层在不同地区的渗透率、含气量等储集层参数存在较大差异[10⇓-12]。煤层气储集层选区评价目前的主要思路为地质静态与开发动态相结合优选富集区，但如何在资源富集区中精准地优选出煤层气高产区，是煤层气开发面临的难题[13-14]。
煤层气开发有利区评价和优选是一个具模糊性和不确定性的复杂系统，常规信息处理技术难以有效处理。层次分析（AHP）、多级模糊综合评判（MFSJ）及其组合的数学方法具有很好的应用价值。Yao等[15]基于地理信息系统（GIS）建立了模糊AHP综合评判模型，并应用于沁水盆地石炭-二叠系煤层资源的评价；Wei等[16]采用地质因素和储集层特征的多级模糊评价模型，对淮南煤田潘集深部煤层气资源和有利区进行了综合评价。这些研究成果目前已广泛应用于煤层气区块评价中并发挥了重要作用[16-17]。尽管如此，但在使用AHP和MFSJ方法过程中，确定煤层气选区评价参数权重时，仍很难避免主观因素的影响，导致评价结果具有不确定性和可变性[18-19]。
模糊模式识别可以简化识别系统的结构，更广泛、更深入地模拟人脑的思维过程，可更有效地对目标进行分类和识别，在计算机科学、信息科学、管理科学和工程技术等领域发挥着非常重要的作用[20⇓-22]，同时模糊模式识别擅长处理复杂系统中给定对象的识别问题[23-24]。煤层气开发地质“甜点区”选区评价是通过比较评价参数或指标来识别并确定目标区的评价级别，可将其视为一种典型的模糊模式识别过程。基于此，本文从煤层气开发地质选区的角度出发，对影响煤层气开发的地质条件和开采条件进行精细分类与评价，优选选区评价参数，构建选区评价指标体系，建立煤层气地质“甜点区”模糊模式识别模型，并在沁水盆地南部樊庄区块3号煤层开展应用效果检验，验证模型的合理性和有效性。

1 “甜点区”模糊模式识别模型

1.1 评价参数与评价级别分类

根据能源行业标准（煤层气地质选区评价方法[25]）优选煤层气开发地质“甜点区”选区评价参数，构建选区评价级别体系（见表1）。评价参数包括地质条件、开采条件等共15个参数；评价级别划分为Ⅰ、Ⅱ、Ⅲ和Ⅳ，分别表示评价区块具有煤层气开发优等、中等、低等潜力和不具有开发潜力。
表1 煤层气开发地质“甜点区”选区评价参数与评价级别体系（中高煤阶）
评价
级别		 区域地质 可采性
煤层埋深/m 地质构造 水文条件 含气饱和度/% 临储比 渗透率/10−3 μm2
Ⅰ <1 000 构造简单，褶皱断层不发育，改造弱 简单滞流区，水质有利 >80 >0.8 >1.00
Ⅱ [1 000，1 500) 构造中等，褶皱断层中等发育，改造不强烈 复杂滞流区，水质较有利 (60，80] (0.5，0.8] (0.10，1.00]
Ⅲ [1 500，2 000) 构造中等，褶皱断层较发育，改造较强烈 弱径流区，水质较不利 (40，60] (0.2，0.5] (0.01，0.10]
Ⅳ ≥2 000 构造复杂，褶皱断层发育，改造强烈 径流区，水质不利 ≤40 ≤0.2 ≤0.01
参数类型 xnz xqx xqx xpy xpy xpy
评价
级别		 可改造性 资源地质
煤体结构 有效
地应力/MPa		 煤层与围岩关系 煤层分布
面积/km2		 煤层
厚度/m		 镜质组
含量/%		 灰分
产率/%		 含气量/
（m3•t−1）		 甲烷
含量/%
Ⅰ 原生-碎裂 <10 关系简单，煤层间距小 >500 >6 >75 <15 >15 (90，100)
Ⅱ 碎裂 [10，15) 关系较简单，煤层间距较小 (100，500] (4，6] (60，75] [15，25) (8，15] (85，90]
Ⅲ 碎裂-碎粒 [15，20) 关系较复杂，夹层较多，间距较大 (10，100] (2，4] (45，60] [25，40) (4，8] (80，85]
Ⅳ 碎粒-糜棱 ≥20 关系复杂，夹层多，间距大 ≤10 ≤2 ≤45 [40，50] ≤4 ≤80
参数类型 xqx xnz xqx xpy xpy xpy xnz xpy xpy
为了便于对评价体系中的4种评价级别进行模糊模式识别，构建评价级别矩阵Ye（e=Ⅰ，Ⅱ，Ⅲ，Ⅳ）。其中yi, j为评价级别矩阵中的元素。矩阵中0和1为评价参数在该级别下的标准值：
${{\mathbf{Y}}_{\text{I}}}=\left[ \begin{matrix} {{y}_{i,1}}=1 & {{y}_{i,2}}=0 & {{y}_{i,3}}=0 & {{y}_{i,4}}=0 \\ \end{matrix} \right]$
${{\mathbf{Y}}_{\text{II}}}=\left[ \begin{matrix} {{y}_{i,1}}=0 & {{y}_{i,2}}=1 & {{y}_{i,3}}=0 & {{y}_{i,4}}=0 \\ \end{matrix} \right]$
${{\mathbf{Y}}_{\text{III}}}=\left[ \begin{matrix} {{y}_{i,1}}=0 & {{y}_{i,2}}=0 & {{y}_{i,3}}=1 & {{y}_{i,4}}=0 \\ \end{matrix} \right]$
${{\mathbf{Y}}_{\text{IV}}}=\left[ \begin{matrix} {{y}_{i,1}}=0 & {{y}_{i,2}}=0 & {{y}_{i,3}}=0 & {{y}_{i,4}}=1 \\ \end{matrix} \right]$

1.2 评价参数归一化

为了消除不同参数间量纲差异对评价结果的影响，在进行模糊模式识别计算之前需要对评价参数进行归一化处理[26]。
如表1所示，评价参数可分为定性参数和定量参数。定性参数包括地质构造、水文条件、煤体结构和煤层与围岩的关系。定性参数（xqx）采用0和1赋值的方法进行归一化处理[27]。即当评价区块的某一定性参数最接近评价体系里的某一评价级别时，该参数在该评价级别下被赋值为1，否则被赋值为0；eqx为定性参数（xqx）赋值归一化处理后的结果。
定量参数可以分为两类。一类是正相关定量参数（xpy），包括煤层分布面积、煤层厚度、镜质组含量、含气量、甲烷含量、含气饱和度、临储比和渗透率，参数值越大，越有利于煤层气开采。另一类是负相关定量参数（xnz），包括埋深、灰分产率和有效地应力，参数值越大，越不利于煤层气开采。通常采用区间映射的方法对定量参数进行归一化[28]，计算公式分别为：
${{e}_{\text{py}}}=\left\{ \begin{array}{*{35}{l}} \frac{{{x}_{\text{py}}}-a}{b-a} & \ \ \ \ {{x}_{\text{py}}}\in \left( a,b \right] \\ 1 & \ \ \ \ {{x}_{\text{py}}}\in \left( b,+\infty \right) \\ \end{array} \right.$
${{e}_{\text{nz}}}=\left\{ \begin{array}{*{35}{l}} 1-\frac{{{x}_{\text{nz}}}-c}{d-c} & \ \ \ \ {{x}_{\text{nz}}}\in \left[ c,d \right) \\ 0 & \ \ \ \ {{x}_{\text{nz}}}\in \left[ d,+\infty \right) \\ \end{array} \right.$
将所有评价参数归一化之后，即可生成评价参数矩阵：
$\mathbf{E}={{\left[ {{e}_{i,j}} \right]}_{15\times 4}}=\left[ \begin{matrix} {{e}_{1,1}} & {{e}_{1,2}} & {{e}_{1,3}} & {{e}_{1,4}} \\ \vdots & \vdots & \vdots & \vdots \\ {{e}_{15\text{,}1}} & {{e}_{15\text{,}2}} & {{e}_{15\text{,}3}} & {{e}_{15\text{,}4}} \\ \end{matrix} \right]$

1.3 模糊贴近度计算

煤层气开发地质“甜点区”模糊模式识别的目的是基于邻近原则确定待评价区块的评价级别，通过计算评价参数矩阵E和评价级别矩阵Ye之间的模糊贴近度来定量表征接近程度。
贴近度是两个模糊子集之间相似性的量度，两个模糊子集之间的距离越大，贴近度越小；距离越小，贴近度越大[23]。空间余弦相似度为最常用的贴近度，在反映相同因素影响下两个个体之间的相似度方面具有良好的表现[29]。评价参数矩阵和评价级别矩阵之间的识别过程符合空间余弦相似性的特征，故选择空间余弦相似度作为贴近度确定待评价区块的评价级别。为了提高评价结果的准确性，在选择模糊贴近度时，应综合考虑所涉及的15个评价参数和4种评价级别对评价结果的影响。
首先，将评价参数矩阵和评价级别矩阵转换为列向量M和N，然后基于空间余弦相似度计算贴近度。
$\mathbf{M}=\left[ {{e}_{i,j}} \right]=\left[ \begin{matrix} {{e}_{1,1}}\cdots {{e}_{15,1}} & {{e}_{1,2}}\cdots {{e}_{15,2}} & {{e}_{1,3}}\cdots {{e}_{15,3}} & {{e}_{1,4}}\cdots {{e}_{15,4}} \\ \end{matrix} \right]_{1\times 60}^{\text{T}}$
$\mathbf{N}=\left[ {{y}_{i,j}} \right]=\left[ \begin{matrix} {{y}_{1,1}}\cdots {{y}_{15,1}} & {{y}_{1,2}}\cdots {{y}_{15,2}} & {{y}_{1,3}}\cdots {{y}_{15,3}} & {{y}_{1,4}}\cdots {{y}_{15,4}} \\ \end{matrix} \right]_{1\times 60}^{\text{T}}$
$\beta \left( \mathbf{E},{{\mathbf{Y}}_{e}} \right)=\cos \theta =\frac{\mathbf{M}\cdot \mathbf{N}}{\left\| \mathbf{M} \right\|\left\| \mathbf{N} \right\|}=\frac{\sum\limits_{k=1}^{60}{{{M}_{k}}{{N}_{k}}}}{\sqrt{\sum\limits_{k=1}^{60}{{{M}_{k}}^{2}}}\sqrt{\sum\limits_{k=1}^{60}{{{N}_{k}}^{2}}}}$

1.4 评价级别的模糊模式识别

β（E，Ye）值越大表示两个向量越接近，通过比较贴近度β（E，Ye）的值，可以确定待评价区块的评价级别。煤层气开发地质“甜点区”模糊模式识别模型构建与计算具体流程如图1所示。
图1 “甜点区”模糊模式识别模型与计算流程图

2 应用实例

以沁水盆地樊庄区块3号煤层为例，开展煤层气开发地质“甜点区”模糊模式识别模型应用，验证模糊模式识别模型的合理性和有效性。

2.1 研究对象和评价参数

2.1.1 地质构造和含煤地层

樊庄区块位于沁水盆地复式向斜南部马蹄形斜坡带，区块内地层宽缓，层序齐全，保存完整，正断层和平行褶皱广泛发育。含煤地层包括上石炭统太原组、下二叠统山西组、上二叠统下石盒子组和上石盒子组。太原组和山西组是主要含煤地层：山西组厚度为40~110 m，由陆相和海岸相砂岩、粉砂岩、泥岩组成，包含3~6个煤层；太原组厚度约50~150 m，由海陆交替相石灰岩、粉砂岩、泥岩组成，包含7~10个煤层。主力山西组3号煤层顶底板相对稳定，岩性为泥岩，煤层与围岩的接触关系较简单，有利于煤层气开发。
樊庄区块煤层分布面积约320 km2，受构造运动的影响，不同区域煤层的连续完整性和空间展布会产生差异，从而影响煤层气开发的难易程度，为了便于优选煤层气开发“甜点区”，需要对研究区进行评价单元划分。根据区块内断层、褶皱等构造发育特征及构造边界，将樊庄区块划分为4个评价单元（见图2）。
图2 沁水盆地樊庄区块评价单元划分图

2.1.2 煤层厚度和埋深

根据煤层钻探数据，樊庄区块3号煤层厚度4.00~8.00 m，平均5.68 m，属于厚—特厚煤层，煤层厚度由西向东逐渐增大（见图3a）。3号煤层埋深100~1 100 m，大部分地区小于800 m，平均580 m。埋深由东南向西北逐渐增加，由于地形和构造的影响，部分区段深浅交替（见图3b）。
图3 樊庄区块3号煤层厚度、埋深、含气量等值线

2.1.3 煤层煤质特征

3号煤层宏观煤岩类型主要为半亮型煤，少数为半暗型煤，块状结构，玻璃光泽，贝壳状断口，内生裂隙发育。3号煤层镜质组含量71%~88%，平均81%；惰质组含量9%~18%，平均14%；最大灰分产率17.60%，最小灰分产率9.04%，平均13.72%，煤层总体属于中低灰分煤层；镜质组反射率为2.43%，属于高变质程度的无烟煤。固定碳含量较高，为72.55%~79.10%，平均77.32%。

2.1.4 渗透率和储集层压力

根据现有煤层气试井资料，3号煤层渗透率为（0.4~0.8）×10−3 μm2，属于低渗煤层。3号煤层储集层压力为2.33~4.50 MPa，平均压力3.49 MPa；储集层压力梯度为（0.003 8~0.012 0） MPa/m，平均压力梯度0.006 9 MPa/m，属于低压储集层。

2.1.5 煤层含气性

图3c显示，3号煤层含气量平面分布表现为从四周到中心逐渐增加，含气量为12.80~28.00 m3/t，平均值为21.11 m3/t；含气饱和度66%~100%，平均值为90%，属于高饱和煤层气储集层，根据等温吸附实验，3号煤层朗格缪尔体积和朗格缪尔压力分别为52.41 m3/t和3.68 MPa（干燥无灰基）。

2.2 评价参数

根据樊庄区块3号煤层地质特征与储集层参数统计分析，通过以下方式可获取4个评价单元的评价参数：①煤层分布面积参数根据各评价单元面积占区块总面积的比例计算获得；②煤层埋深、厚度、含气量等参数由各评价单元等值线的平均值确定；③镜质组含量、灰分产率和甲烷含量参数分别依据各评价单元内相应的钻孔参数获得；④渗透率和储集层压力根据各评价单元内现场注水压降测试获得；⑤临储比是临界解吸压力与储集层压力的比值，其与含气饱和度均可通过各评价单元实测含气量、储集层压力以及煤层朗格缪尔体积和朗格缪尔压力计算得到；⑥有效地应力由各评价单元煤层埋深和地应力梯度计算获得；⑦煤体结构类型通过对现场钻探取样进行镜下鉴定确定；⑧构造、水文条件、煤层与围岩关系等定性参数，根据各评价单元煤层发育的地质特征确定。4个评价单元的评价参数结果详见表2。
表2 樊庄区块3号煤层各评价单元评价参数
评价单元 煤层埋深/
m		 地质构造 水文条件 煤层分布
面积/km2		 煤层厚度/
m		 镜质组含量/
%		 灰分产率/
%
单元1 580 构造中等，褶皱断层中等发育，改造不强烈 复杂滞流区，水质较有利 112.4 5.9 81 13.70
单元2 670 构造中等，褶皱断层中等发育，改造不强烈 复杂滞流区，水质较有利 87.8 6.3 88 11.24
单元3 420 构造简单，褶皱断层不发育，改造弱 复杂滞流区，水质较有利 43.4 5.5 76 14.50
单元4 400 构造中等，褶皱断层较发育，改造较强烈 复杂滞流区，水质较有利 47.4 5.4 79 13.14
评价单元 甲烷含量/% 煤层与围岩关系 含气量/（m3•t−1） 含气饱和度/% 临储比 渗透率/10−3 μm2 煤体结构 有效地应力/MPa
单元1 89.73 关系较简单，煤层间距较小 20.1 84.0 0.68 0.59 原生-碎裂 11.66
单元2 92.73 关系较简单，煤层间距较小 26.6 91.4 0.65 0.59 原生-碎裂 13.47
单元3 83.52 关系较简单，煤层间距较小 12.1 66.3 0.49 0.51 原生-碎裂 8.82
单元4 84.03 关系较简单，煤层间距较小 14.3 72.6 0.55 0.54 碎裂 8.40

2.3 模糊模式识别模型计算过程和评价结果

模糊模式识别模型计算过程可分为4步：①将表2中樊庄区块3号煤层4个评价单元的评价参数作标准归一化处理（见表3）并建立评价参数矩阵E和评价级别矩阵Ye；②将矩阵E和Ye按（8）式、（9）式分别转换为列向量M和N；③根据（10）式计算M和N的贴近度；④根据计算结果完成对樊庄各区块3号煤层的评价。
表3 樊庄区块3号煤层各评价单元评价参数归一化结果
评价
单元		 评价结果 煤层
埋深		 地质构造 水文
条件		 煤层分布
面积		 煤层
厚度		 镜质组含量 灰分产率 含气量 甲烷
含量		 含气
饱和度		 临储比 渗透率 煤体
结构		 有效
地应力		 煤层与
围岩关系
单元1 评价级别 Ⅰ Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅱ Ⅰ Ⅱ Ⅱ Ⅰ Ⅱ Ⅱ
计算结果 0.60 1.00 1.00 0.03 0.94 0.24 0.09 1.00 0.95 1.00 0.60 0.54 1.00 0.67 1.00
单元2 评价级别 Ⅰ Ⅱ Ⅱ Ⅲ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅱ Ⅱ Ⅰ Ⅱ Ⅱ
计算结果 0.47 1.00 1.00 0.86 1.00 0.52 0.25 1.00 0.17 1.00 0.50 0.54 1.00 0.31 1.00
单元3 评价级别 Ⅰ Ⅰ Ⅱ Ⅲ Ⅱ Ⅰ Ⅰ Ⅱ Ⅲ Ⅱ Ⅲ Ⅱ Ⅰ Ⅰ Ⅱ
计算结果 0.83 1.00 1.00 0.37 0.77 0.04 0.03 0.59 0.7 0.32 0.97 0.46 1.00 0.12 1.00
单元4 评价级别 Ⅰ Ⅲ Ⅱ Ⅲ Ⅱ Ⅰ Ⅰ Ⅱ Ⅲ Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅱ
计算结果 0.86 1.00 1.00 0.42 0.70 0.16 0.12 0.90 0.81 0.63 0.17 0.49 1.00 0.16 1.00
表4为4个评价单元贴近度计算结果，可以看到评价单元1对应评价级别Ⅱ的贴近度为0.569 4，明显大于对应评价级别Ⅰ、Ⅲ、Ⅳ的贴近度，说明樊庄区块3号煤层评价单元1的评价级别为Ⅱ，具有煤层气开发中等潜力。同理可知单元2、单元3、单元4的评价级别分别为Ⅰ、Ⅱ、Ⅱ，分别具有煤层气开发优等、中等、中等潜力。对属于同一评价级别的评价单元，可以通过比较贴近度的大小优选评价单元的开发潜力。因此，樊庄区块3号煤层气开发评价单元开发潜力优选结果由优到劣排序为：单元2、单元1、单元4、单元3（见图4）。
表4 樊庄区块3号煤层各评价单元贴近度分析结果
评价
单元		 贴近度 评价
级别
Ⅰ Ⅱ Ⅲ Ⅳ
单元1 0.332 5 0.569 4 0 0 Ⅱ
单元2 0.466 7 0.375 2 0.074 2 0 Ⅰ
单元3 0.284 2 0.389 6 0.191 9 0 Ⅱ
单元4 0.121 7 0.551 5 0.208 8 0 Ⅱ
图4 樊庄区块3号煤层煤层气开发单元优选

3 模型可靠性检验

3.1 模糊模式识别模型可靠性

根据前述模糊模式识别结果，樊庄区块3号煤层评价单元2煤层气开发地质“甜点区”的评价级别为Ⅰ，其他评价单元的评价级别为Ⅱ，表明煤层气开发具有中等以上潜力，这与前人研究结果一致[30-31]。自2006年以来，樊庄区块3号煤层共有760口直井和50口水平井投产，最高单井产量约为16 000 m3/d，单井产量超过2 000 m3/d的井数占生产井的33%[32]。Tao等[32]进一步分析了樊庄区块3号煤层79口井的产气量，结果显示，10口井的日产气量超过3 000 m3（占12.66%），24口井的日产气量为1 000~3 000 m3（占30.38%，），39口井的日产气量低于1 000 m3，6口井不产气（见图4）。其中，评价单元2中日产气量超过3 000 m3和日产气量为1 000~3 000 m3的井分别为6口和16口，在所有评价单元中所占的比例最高。考虑到中国煤层气井的总体产量较低，通常而言，单井日产气量超过1 000 m3的区块可以进行商业开发，日产气量超过3 000 m3的井被定义为高产井。因此，上述数据表明樊庄区块3号煤层具备煤层气商业开发条件，这与模糊模式识别结果一致。此外，Wu等[33]在研究煤层有利渗流通道及其对高产区分布的影响中发现，樊庄区块3号煤层高产井主要位于评价单元2，其次为评价单元1和4；赵贤正等[34]基于固-流耦合控产模式对沁水盆地樊庄区块煤层气高产区进行了预测，单井日均产气量大于3 000 m3的高产井主要分布在区块西部，与本文的优选结果基本一致，这进一步验证了本文模糊模式识别模型优选结果的可靠性。

3.2 本文模型与其他模型的对比

AHP模型和MFSJ模型的优点是可以将定性分析与定量分析相结合，以定量形式表达人们的主观判断，分层次科学处理客观因素；缺点是因主观意识和知识储备的差异，研究人员对同一评价指标重要性有不同理解，这将影响参数权重的确定，最终导致评价结果的多样性[35-36]。故采用AHP和MFSJ模型时，有必要分析参数权重对煤层气开发地质“甜点区”评价结果的影响。
表1中煤层气开发地质甜点区的评价体系由15个参数组成，在这些参数中，含气量和渗透率是最关键的参数。在中国沁水盆地南部煤层气开发潜力评价研究中，Cai等[30]取含气量的权重为0.3，Yao等[15]取含气量和渗透率的权重分别为0.7和0.4；Meng等[12]在中国鄂尔多斯盆地东部柳林地区煤层气生产潜力评价中，取0.5和0.3作为含气量和渗透率权重，可见权重参数的取值差异较大。为研究参数权重对评价结果的影响，以樊庄区块3号煤层评价单元1为例，采用表2中的基础参数，结合表3的归一化结果，设置渗透率和含气量的权重分别由0.1增加至0.9，变化幅度为0.1，采用能源行业标准（NB/T 10013—2014煤层气地质选区评价方法[25]）中的方法计算渗透率和含气量不同权重组合下的贴近度（见图5）。分析渗透率和含气量权重变化对评价结果影响。需说明的是表3中评价单元1的评价参数均不属于评价级别Ⅲ和级别Ⅳ，因此，评价级别Ⅲ和级别Ⅳ的贴近度为零，故只列出级别Ⅰ和级别Ⅱ的贴近度。
图5 评价单元1不同渗透率和含气量权重组合下的贴近度变化
图5显示：①评价级别Ⅰ，渗透率权重与贴近度呈负线性相关，含气量权重与贴近度呈正相关；②评价级别Ⅱ，渗透率权重与贴近度呈正线性相关，含气量权重与贴近度呈负相关；③当含气量权重小于等于0.3时，评价级别Ⅰ的贴近度均小于评价级别Ⅱ的贴近度（见图5a）；当含气量权重为0.4~0.5时，两种评价级别的贴近度曲线发生交叉（见图5b）；当含气量权重大于等于0.6时，评价级别Ⅰ的贴近度均大于评价级别Ⅱ的贴近度（见图5c）。
表5为不同渗透率、含气量权重组合下的评价结果。由表可知，3种组合条件下（①含气量权重小于等于0.3，渗透率权重小于等于0.4；②含气量权重小于等于0.4，渗透率权重大于0.4但小于0.8；③含气量权重小于等于0.5，渗透率权重为0.8~0.9），樊庄区块3号煤层评价单元1的评价级别为Ⅱ，其他渗透率与含气量的权重组合下，评价级别为Ⅰ。这说明含气量和渗透率的权重变化对评价结果有很大影响，造成评价结果存在很大的不确定性。
表5 不同渗透率和含气量权重组合下的评价结果
渗透率权重 评价级别
0.1 Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.2 Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.3 Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.4 Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.5 Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.6 Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.7 Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ
0.8 Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ
0.9 Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ
含气量权重 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
上述分析中仅调整了同一层次两个参数的权重，而煤层气开发地质“甜点区”评价体系由3个层次15个参数组成，由此可以推断多层次或多参数权重的变化对评价结果的影响更大。因此，科学合理的赋权对使用者是一个巨大的挑战，使用AHP和MFSJ模型进行煤层气开发地质“甜点区”评价将存在较大的主观因素带来的误差。同时AHP和MFSJ模型需要构建多级判断矩阵，其计算复杂度明显高于本文的模糊模式识别模型。

4 结论

煤层气开发地质“甜点区”模糊模式识别模型不涉及参数赋权，克服了AHP和MFSJ传统模型由于参数赋权而导致评价结果具有不确定性的缺点，同时无需构建多级判断矩阵，计算过程更加简单。应用该模型对沁水盆地南部樊庄区块3号煤层的4个评价单元进行了评价，评价结果与实际开发效果一致，同时与现有研究成果吻合，验证了模糊模式识别模型的合理性和可靠性。
通过实际煤层气区块的评价检验，证实模糊模式识别模型预测结果可靠，可为煤层气高效开发提供技术支撑。
符号注释：
a，b——正相关定量参数分类区间的下限、上限；c，d——负相关定量参数分类区间的下限、上限；eqx，epy，enz——定性参数、正相关定量参数、负相关定量参数归一化结果；E——评价参数矩阵；ei, j——评价参数矩阵中的元素；i，j——矩阵的行、列序号；k——列向量元素序号；M，Mk——评价参数矩阵转换的列向量及其元素；N，Nk——评价级别矩阵转换的列向量及其元素；xqx，xpy，xnz——定性参数，正相关定量参数，负相关定量参数；Ye——评价级别矩阵；yi, j——评价级别矩阵中的元素；β——模糊贴近度，无因次；γ——含气量权重；θ——空间向量夹角，（°）。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
邹才能, 杨智, 何东博, 等. 常规-非常规天然气理论、技术及前景[J]. 石油勘探与开发, 2018, 45(4): 575-587.

DOI

ZOU Caineng, YANG Zhi, HE Dongbo, et al. Theory, technology and prospects of conventional and unconventional natural gas[J]. Petroleum Exploration and Development, 2018, 45(4): 575-587.

[2]
MOORE T A. Coalbed methane: A review[J]. International Journal of Coal Geology, 2012, 101: 36-81.

DOI

[3]
郝宪杰, 魏英楠, 杨科, 等. 煤储集层起裂强度和损伤强度的各向异性特征[J]. 石油勘探与开发, 2021, 48(1): 211-221.

DOI

HAO Xianjie, WEI Yingnan, YANG Ke, et al. Anisotropy of crack initiation strength and damage strength of coal reservoirs[J]. Petroleum Exploration and Development, 2021, 48(1): 211-221.

[4]
徐凤银, 王勃, 赵欣, 等. “双碳”目标下推进中国煤层气业务高质量发展的思考与建议[J]. 中国石油勘探, 2021, 26(3): 9-18.

XU Fengyin, WANG Bo, ZHAO Xin, et al. Thoughts and suggestions on promoting high quality development of China’s CBM business under the goal of “double carbon”[J]. China Petroleum Exploration, 2021, 26(3): 9-18.

[5]
邹才能, 赵群, 王红岩, 等. 非常规油气勘探开发理论技术助力我国油气增储上产[J]. 石油科技论坛, 2021, 40(3): 72-79.

ZOU Caineng, ZHAO Qun, WANG Hongyan, et al. Theory and technology of unconventional oil and gas exploration and development helps China increase oil and gas reserves and production[J]. Petroleum Science and Technology Forum, 2021, 40(3): 72-79.

[6]
LANGENBERG C W, BEATON A, BERHANE H. Regional evaluation of the coalbed-methane potential of the foothills/mountains of Alberta, Canada[J]. International Journal of Coal Geology, 2006, 65(1/2): 114-128.

DOI

[7]
LI S, TANG D Z, PAN Z J, et al. Evaluation of coalbed methane potential of different reservoirs in western Guizhou and eastern Yunnan, China[J]. Fuel, 2015, 139: 257-267.

DOI

[8]
CLARKSON C R, BUSTIN R M. Coalbed methane: Current field-based evaluation methods[J]. SPE Reservoir Evaluation & Engineering, 2011, 14(1): 60-75.

[9]
PALMER I. Coalbed methane completions: A world view[J]. International Journal of Coal Geology, 2010, 82(3/4): 184-195.

DOI

[10]
QIN Y, MOORE T A, SHEN J, et al. Resources and geology of coalbed methane in China: A review[J]. International Geology Review, 2018, 60(5/6): 777-812.

DOI

[11]
WANG K X. Research on main geological controls and enrichment model of coalbed methane distribution in China[J]. IOP Conference Series: Earth and Environmental Science, 2019, 300(2): 022071.

DOI

[12]
MENG Y J, TANG D Z, XU H, et al. Geological controls and coalbed methane production potential evaluation: A case study in Liulin area, eastern Ordos Basin, China[J]. Journal of Natural Gas Science and Engineering, 2014, 21: 95-111.

DOI

[13]
秦勇, 袁亮, 胡千庭, 等. 我国煤层气勘探与开发技术现状及发展方向[J]. 煤炭科学技术, 2012, 40(10): 1-6.

QIN Yong, YUAN Liang, HU Qianting, et al. Status and development orientation of coal bed methane exploration and development technology in China[J]. Coal Science and Technology, 2012, 40(10): 1-6.

[14]
宋岩, 柳少波, 马行陟, 等. 中高煤阶煤层气富集高产区形成模式与地质评价方法[J]. 地学前缘, 2016, 23(3): 1-9.

DOI

SONG Yan, LIU Shaobo, MA Xingzhi, et al. Research on formation model and geological evaluation method of the middle to high coal rank coalbed methane enrichment and high production area[J]. Earth Science Frontiers, 2016, 23(3): 1-9.

DOI

[15]
YAO Y B, LIU D M, TANG D Z, et al. A comprehensive model for evaluating coalbed methane reservoirs in China[J]. Acta Geologica Sinica, 2008, 82(6): 1253-1270.

DOI

[16]
WEI Q, LI X Q, HU B L, et al. Reservoir characteristics and coalbed methane resource evaluation of deep-buried coals: A case study of the No.13-1 coal seam from the Panji deep area in Huainan coalfield, southern North China[J]. Journal of Petroleum Science and Engineering, 2019, 179: 867-884.

DOI

[17]
李贵中, 白建梅, 习铁宏, 等. GIS支持下的煤层气目标区模糊综合评价模型[J]. 现代地质, 2008, 22(1): 103-106.

LI Guizhong, BAI Jianmei, XI Tiehong, et al. Fuzzy comprehensive evaluation model of coalbed methane target area based on GIS[J]. Geoscience, 2008, 22(1): 103-106.

DOI

[18]
SAATY T L. Decision-making with the AHP: Why is the principal eigenvector necessary[J]. European Journal of Operational Research, 2003, 145(1): 85-91.

DOI

[19]
LI H L, MA L C. Detecting and adjusting ordinal and cardinal inconsistencies through a graphical and optimal approach in AHP models[J]. Computers & Operations Research, 2007, 34(3): 780-798.

DOI

[20]
MITRA S, PAL S K. Fuzzy sets in pattern recognition and machine intelligence[J]. Fuzzy Sets and Systems, 2005, 156(3): 381-386.

DOI

[21]
YUE H Y, YANG W, LI S B, et al. Fuzzy adaptive tracking control for a class of nonlinearly parameterized systems with unknown control directions[J]. Iranian Journal of Fuzzy Systems, 2019, 16(5): 97-112.

[22]
ARTUN E, KULGA B. 基于模糊推理的致密砂岩气储集层重复压裂井选择方法[J]. 石油勘探与开发, 2020, 47(2): 383-389.

DOI

ARTUN E, KULGA B. Selection of candidate wells for re-fracturing in tight gas sand reservoirs using fuzzy inference[J]. Petroleum Exploration and Development, 2020, 47(2): 383-389.

DOI

[23]
PEDRYCZ W. Fuzzy sets in pattern recognition: Methodology and methods[J]. Pattern Recognition, 1990, 23(1/2): 121-146.

DOI

[24]
NÁPOLES G, PAPAGEORGIOU E, BELLO R, et al. Learning and convergence of fuzzy cognitive maps used in pattern recognition[J]. Neural Processing Letters, 2017, 45(2): 431-444.

DOI

[25]
国家能源局. 煤层气地质选区评价方法: NB/T 10013—2014[S]. 北京: 新华出版社, 2014.

National Energy Administration. The procedure and method of coalbed methane play evaluation and selection: NB/T 10013—2014[S]. Beijing: Xinhua Publishing House, 2014.

[26]
REYNOLDS J H, HEEGER D J. The normalization model of attention[J]. Neuron, 2009, 61(2): 168-185.

DOI PMID

[27]
LI D C, XIE Y J. Universal approximation of interval-valued fuzzy systems based on interval-valued implications[J]. Iranian Journal of Fuzzy Systems, 2016, 13(6): 89-110.

[28]
PARCHAMI A. Fuzzy decision in testing hypotheses by fuzzy data: Two case studies[J]. Iranian Journal of Fuzzy Systems, 2020, 17(5): 127-136.

[29]
MOUJAHID D, ELHARROUSS O, TAIRI H. Visual object tracking via the local soft cosine similarity[J]. Pattern Recognition Letters, 2018, 110: 79-85.

DOI

[30]
CAI Y D, LIU D M, YAO Y B, et al. Geological controls on prediction of coalbed methane of No.3 coal seam in southern Qinshui Basin, North China[J]. International Journal of Coal Geology, 2011, 88(2/3): 101-112.

DOI

[31]
LYV Y M, TANG D Z, XU H, et al. Production characteristics and the key factors in high-rank coalbed methane fields: A case study on the Fanzhuang Block, southern Qinshui Basin, China[J]. International Journal of Coal Geology, 2012, 96/97: 93-108.

DOI

[32]
TAO S, TANG D Z, XU H, et al. Factors controlling high-yield coalbed methane vertical wells in the Fanzhuang Block, southern Qinshui Basin[J]. International Journal of Coal Geology, 2014, 134/135: 38-45.

DOI

[33]
WU Y N, TAO S, TIAN W G, et al. Advantageous seepage channel in coal seam and its effects on the distribution of high-yield areas in the Fanzhuang CBM Block, southern Qinshui Basin, China[J]. Natural Resources Research, 2021, 30(3): 2361-2376.

DOI

[34]
赵贤正, 杨延辉, 陈龙伟, 等. 高阶煤储层固-流耦合控产机理与产量模式[J]. 石油学报, 2015, 36(9): 1029-1034.

DOI

ZHAO Xianzheng, YANG Yanhui, CHEN Longwei, et al. Production controlling mechanism and mode of solid-fluid coupling of high rank coal reservoirs[J]. Acta Petrolei Sinica, 2015, 36(9): 1029-1034.

DOI

[35]
VAIDYA O S, KUMAR S. Analytic hierarchy process: An overview of applications[J]. European Journal of Operational Research, 2006, 169(1): 1-29.

DOI

[36]
ISHIZAKA A, LABIB A. Analytic hierarchy process and expert choice: Benefits and limitations[J]. OR Insight, 2009, 22(4): 201-220.

DOI

Options
文章导航

/

〈 〉

版权所有：《石油勘探与开发》编辑部；《石油勘探与开发（英文）》编辑部
地址：北京市海淀区学院路20号，中国石油勘探开发研究院数据中心605室　

京ICP备15044687号    技术支持：北京玛格泰克科技发展有限公司