煤层气三维地质建模是煤层气储层内部地质结构、外部几何形态及相关的地质特征、煤岩煤质、储集能力、物性参数及气、水特征等的高度概括[1]。对常规碎屑岩油气储层，储层地质建模的科学研究及工程应用很多，而类似研究在煤层气勘探开发中还十分缺乏，有关煤储层地质建模技术及其在煤层气选区评价、勘探及开发各阶段应用的国内外研究文献还很少，许多方面处于需要深入研究或空白状态[2,3]。以澳大利亚G盆地煤层气储层为研究对象，根据煤层气地质统计学基本理论和随机建模的方法建立研究区煤层气储层地质模型。并将三维地质模型应用到煤层气勘探开发中，对开发方案的部署提供科学的决策依据，也为我国煤层气地质建模工作提供参考。

1 区域地质概况

澳大利亚G盆是晚石炭世到中三叠世的克拉通内裂谷盆地，盆地整体呈北西南东向，呈马蹄形。本次研究的目的层位主要为二叠纪陆相煤系地层，研究区自下而上将二叠纪地层分别为A组和B组。A组煤、碳质页岩和砂岩互层，其中煤主要为暗煤，局部为亮煤。页岩为深棕色、深灰色至黑色。砂岩为浅灰色，中粒，次圆形，含少量碳质、少量钙质；B组也是砂岩、煤和碳质页岩互层，其中砂岩细粒至粗粒，有时含卵石，石英质，碳质，含少量钙质，坚硬，孔隙度较好。煤层暗煤至亮煤都有。碳质页岩规模小，通常为深棕灰色至深灰色、黑色。研究区主要发育3种沉积相类型，分别为冲积平原、扇三角洲、浅湖-半深湖。

2 煤储层地质建模

2.1 煤储层构造模型的建立

根据研究区工区面积和实际井距离，考虑开发井密度的需要，模型平面网格步长取500 m×500 m。从煤岩单层厚度统计来看，区块内煤岩单层厚度在6 m以下，多为1 m左右的薄煤岩，并且横向分布不稳定。垂向网格的划分考虑了煤岩垂向分布情况，为了使模型的网格不漏掉大量的薄煤岩，将垂向网格厚度定为0.5 m左右。

研究区主要发育9条正断层，应用地震解释的断层多边形数据，结合断层面两侧的构造落差来调节断距，建立了研究区断层的控制骨架。在断层模型的基础上搭建构造层面，采用了深度域的构造解释层位作为趋势面约束，以单井分层数据作为控制条件，最终建立了研究区构造模型(见图1)。从整体来看，A组地层厚度比B组薄，地层厚度相对变化比较大。A组东南部地层厚度比较偏厚，北部和西南地层逐渐减薄，往南靠近盆地边界的地层遭到剥蚀厚度变薄。B组北部和北东部地层厚度较大，厚度在100～180 m左右。从地层剖面展布来看，二叠系B组与下伏A组构造具有一定继承性，总体上发育近北北东向的断裂系统。

2.2 煤储层岩相模拟

研究区储集层煤岩、碳质页岩和砂岩互层，井上煤岩厚度比较薄并且横向连续性差。岩相建模的过程中应用了相应的岩相参数，即：砂岩、页岩、煤岩。

通过前期地质研究成果确定研究区主变程方向为南西至北东方向，主变程表示储层沿物源方向的连续性，与其垂直的方向为次变程方向。由于工区范围内已钻井数少且分布不均匀，主次变程的分析结果不太理想，在实际建模过程中，参考了前期研究的沉积相分布、地层厚度分布等地质概念模式来调整主次变程的大小[4]。但垂向变程由于纵向网格比较密集数据量多，变差函数基本收敛，分析效果都很好，建模过程中是分相分层进行了垂相变差函数的分析。

岩相模型采用的是序贯指示模拟方法建立。从建模结果得知，煤岩厚度由西向东有变厚的趋势，主要是由于研究区内由西向东，依次发育冲积平原相、扇三角州平原、扇三角洲前缘、浅湖-半深湖亚相，越往东越具备较好的成煤环境，模拟结果与实际地质情况相吻合。

布鲁姆教学目标分类理论的发展从1956年的1.0版本——金字塔形状(识记、理解、应用、分析、综合和评估)到2001年由布鲁姆的学生Anderson等人提出的2.0版本——金字塔形状(识记、领会、运用、分析、评价和创造)。布鲁姆将教育目标划分为认知领域、情感领域和操作领域，共同构成教育目标体系。认知领域的教育目标可分为从低到高的六个层次：即识记→领会(理解)→运用→分析→评价→创造，学生的思维由低阶思维能力向高阶思维能力发展，教育目标从基础目标向高级目标发展(图1)[5]。

2.3 煤储层属性参数模拟

2.3.3 物性参数随机模拟

煤层含气量的三维展布模拟对煤层气的勘探评价有着重要的意义[5,6]。将测井解释的含气量曲线离散到模型中，检验输入的含气量数据，对输入输出数据进行截断变换，去除异常值，分层得到属性的正态分布。从统计可以得出，A组煤岩含气量集中在2～3.6 m3/t之间，平均值为2.46 m3/t； B组煤岩含气量集中在1.5～3.5 m3/t之间，平均值为2.42 m3/t。每个组含气量的平面分布和垂向分布特征受空间变差函数的控制[7]。与岩相数据变差函数拟合一样，主次变程由于井点少且分布不均，难以拟合出合适的变差函数。但垂向变程由于纵向网格比较密集数据量多，拟合比较容易。为了控制平面含气量的分布，采用前期地质研究的A组和B组的含气量平面分布作为平面趋势约束。以平面和垂向约束为条件，采用序贯高斯随机模拟的方法模拟煤岩含气量分布。

2.3.2 工业组分随机模拟

煤的工业组分属于煤的化学组成研究内容之一。在国家标准中，煤的工业组分是指包括煤的水分、灰分、挥发分和固定碳四个分析项目指标的测定的总称[8]。

图2是灰分与固定碳、挥发分、水分的关系图，图中数据显示，固定碳、水分、灰分、挥发分相互间有较好的关系。随着灰分增加，固定碳、挥发分和水分呈降低趋势，表明灰分与挥发分、固定碳、水分有良好的负相关性，因此在建模过程中可以将灰分作为协同模拟的条件。

在数据分析基础上，采用前期地质研究的灰分含量平面分布作为平面趋势约束，建立灰分含量随机模型见图3a，以灰分模型为协同约束，采用序贯高斯随机模拟的方法建立挥发分见图3b、固定碳见图3c、水分模型见图3d。

在煤层气储层地质模型的基础上，在预测的煤层气有利区内，应用CMG软件建立了先导试验区的数值模拟模型，借鉴邻区的开发井网和井距，部署了5口直井，并对试验区产量进行了预测(见图4)。同时，还应用该模型对影响煤层气产量的因素进行了敏感性分析，为煤层气开发方案部署提供参考。

2.3.1 含气量的随机模拟

“我们给地方政府部门做了许多高效节水项目，但全额垫资做完项目后，地方政府部门往往回款很慢，钱大半年都回不来，经营压力很大。”何森说。

[4] 吴胜和,张一伟,李恕军,等.提高储层随机建模精度的地质约束原则[J].石油大学学报(自然科学版),2001,25(1):55-58.

通过对煤岩孔隙度模型分布统计可以得出，A组煤岩孔隙度平均值为10%。，B组煤岩孔隙度平均值为11%。通过对煤岩渗透率模型分布统计可以得出，A组煤岩孔隙度平均值为4.6×10-3 μm2，B组煤岩渗透率平均值为8.2×10-3 μm2，A组物性整体分布较B组物性差。统计规律与煤岩实际物性分布比较吻合。

3 地质模型的应用

在2年的随访期中，观察组1年生存率及2年生存率分别为93.33%及76.67%，均明显高于对照组；而观察组局部复发率及远处转移率则分别为13.33%及6.67%，均明显低于对照组(P<0.05)。见表3。

4 结论

根据谐波检测原理设计了一套甲烷气体浓度检测仪器,该仪器采用高性能光路系统提高了输出光强信噪比,利用数字锁相放大器提取经过甲烷气体吸收后的微弱一次和二次谐波信号,并通过与标准仪器比对,利用最小二乘拟合法得到了甲烷气体浓度工作曲线,测量误差满足设计及使用要求。

1)介绍了煤层气地质建模技术的研究过程。基于单井数据和地震构造解释建立研究区准确的构造格架，然后针对研究区煤层薄、横向分布不稳定的岩性特征，采用相控随机建模的方法更能真实的反映地层岩性分布特征，根据综合地质认识和变差函数控制，采用序贯高斯随机模拟方法建立煤层气属性模型；

[2] 王利，蔡云飞，侯鸿斌.煤层气储层描述技术及其应用[J].天然气工业, 1997，17 (6) : 28-30.

参考文献：

●五原县天吉泰镇复丰五社千亩盐碱治理示范园区刘斌福，弃耕20多年的重度盐碱地经过硅谷功能肥治理，葵花出苗达到80%以上，当年亩产达到近400斤。

[1] 王文胜.随机建模在煤层气勘探开发研究中的应用[D].西安:西北大学,2012.

2)煤层气三维地质建模技术在煤层气储层勘探开发中有着很大的指导作用，将地质模型应用于先导试验区的数值模拟，为煤层气开发方案部署打下良好基础。

[3] 王双明.HAN开发区煤层气地质条件及赋存规律[M].北京:地质出版社,2008.

大麻籽蛋白（Hemp seed protien）来自大麻（Cannabis sativa）的籽。大麻籽蛋白占大麻籽的25%～35%，大麻籽蛋白中球蛋白为43.4%，清蛋白为28.7%、谷蛋白为9.28%，醇溶蛋白为3.30%，大麻籽蛋白是一优良蛋白质。以蛋白酶水解大麻籽蛋白得水解大麻籽蛋白（Hydrolyzed hemp seed protien），是一小分子肽的混合物。

目前该区块内没有可靠的方法准确测定各煤层气井的煤岩渗透率，因此测井也没法解释出各段煤层的物性数据。基于这种情况，本次对煤储层物性建模做了一种随机模拟的尝试[9-10]。通过资料调研，可以得到G盆地煤岩测试渗透率为1～50×10-3 μm2之间，以此作为煤岩渗透率的约束范围，然后采用序贯高斯随机模拟的方法建立研究区的物性参数模型。

高校实验室既是实验教学的主要基地，也是学校科研和技术服务的主要场所，其中仪器设备是实验室的重要组成部分。机能实验中心有大量教学仪器，日常使用率较高，损坏率也较高。机能实验技术人员要改变传统的“传帮带”学习方式，更系统、全面、准确地学习实验仪器的操作和维护知识，提高对仪器故障的排查能力。把握仪器代理商对仪器定期检测的机会，积极请教实验设备工程师，认真听讲，做好笔记。实验技术人员有机会应该到相关企业、科研院所进行业务培训和学习交流[8]。此外，实验技术人员要灵活运用计算机系统进行仪器设备的管理和使用，提高实验室管理信息化水平，对实验资产状况能做到“及时记录、随时可查”的信息化统计[9]。

[5] 胡亚斐,张遂安,吴峙颖.基于地质多元统计分析的煤层气含量建模方法——以沁水盆地南部某区块3号煤层为例[J].煤田地质与勘探,2013, 41(2):33-36.

[6] 谷峰,张滨海,李乐忠,等.澳大利亚煤层气含气量测试方法及解吸分析——以G盆地二叠系煤为例[J].中国煤层气,2014,11(1):31-32.

[7] 雷能忠.煤层属性空间变异的差分进化径向基神经网络插值[J].煤炭学报,2011,36(2):203-209.

本次调查的总样本为江苏省S县的农村初中学生。 S县隶属于江苏省，现共有农村初级中学14所，初等职业学校1所。本调查采取抽样调查法，在S县的5所乡镇初级中学共发放900份问卷，回收891份，回收率99%，剔除无效问卷40份，最后得到有效问卷851份，有效率94.5%。因此，本次问卷调查的有效人数为851人，其中男生为464人，占总人数的54.5%，女生人数为387人，占总人数的45.5%。七年级学生304人，占比35.7%，八年级学生326人，占比38.3%，九年级学生221人，占比26%。

[8] 雷能忠. 芦岭井田煤储层属性预测与随机建模[D].徐州:中国矿业大学,2012.

[9] 傅雪海,秦勇.多相介质煤层气储层渗透率预测理论与方法[M].徐州:中国矿业大学出版社,2003.

[10] 何亚群,左蔚然,张书敏,等.基于地质统计学的煤田煤质插值方法比较[J].煤炭学报,2008,33(5):514-517.