煤层气作为一种重要的非常规天然气资源,其经济高效开发高度依赖于储层渗透性。煤层裂缝不仅是煤层气的主要储集空间和关键渗流通道,更显著影响着水力压裂效果及最终产能,所以建立煤层气储层裂缝测井评价方法能为煤层气高效开发提供有力技术支撑。 本文以深部煤层气储层作为研究对象,开展了测井响应特征分析与多方法融合的裂缝评价体系研究,旨在解决传统测井技术对煤层裂缝系统评价精度不足的问题,建立一套高精度的裂缝识别与高渗层预测方法。取得的主要成果与认识如下: (1)在煤层裂缝发育层段密度、声波时差、电阻率等常规测井参数会产生异常变化,利用以上常规测井参数变化重构测井参数。在裂缝发育的煤层段,其岩石力学同样会有较大变化,利用岩石力学参数构建五种裂缝识别指标。采用熵权法对裂缝异常指数以及岩石力学指标进行权重赋值,形成基于常规测井参数的两种裂缝识别指数。 (2)基于煤岩工业组分物理体积模型,利用双侧向测井资料计算煤层裂缝宽度、裂缝孔隙度,采用F-S法预测煤层裂缝渗透率。 (3)为提高裂缝识别的精确度,引入机器学习深度挖掘测井参数信息,通过聚类分析进行数据预处理将煤层裂缝发育程度分为三类,随后基于随机森林算法进行特征优选,最后以上述优选的参数为输入,建立BP神经网络模型,从而实现对煤层裂缝发育程度的准确识别。 (4)针对高渗层的预测,煤岩完整性系数、煤岩破裂系数、煤岩稳定性系数等参数综合反映煤层气储层品质,可以表征裂缝的形成机理和发育特征,利用测井资料计算以上参数预测煤储层高渗层。 将上述研究方法应用于研究区X5井。结果表明,基于常规测井参数的裂缝识别指数与BP神经网络法均可有效识别煤层裂缝;基于岩石力学参数的包络面积法可有效预测煤层高渗层。