基于地质建模的保德Ⅰ单元煤层气井产能响应特征_陈博.pdf

第 48 卷 第 5 期 煤田地质与勘探 Vol. 48 No.5 2020 年 10 月 COAL GEOLOGY 2. Coal Reservoir Laboratory of National Engineering Research Center of CBM Development 3. China United Coalbed Methane National Engineering Research Center Co. Ltd., Beijing 100095, China Abstract Coalbed methane resource conditions and reservoir physical conditions are the basis of CBM exploration and exploitation. The geological modeling of CBM reservoir was carried out to clarify the spatial distribution of coal reservoir, and explain the difference of single well productivity, which can provide theoretical basis for selec- tion and well drilling. This paper took Baode unit I as research object. Based on the measured data of gas content and well test permeability, the inversion model of gas content and permeability in the study area was established by using support vector machine algorithmSVM and transed F-S permeability calculation ula, and the gas content and permeability logging interpretation of 162 CBM wells were completed. Furthermore, the modeling of 54 煤田地质与勘探 第 48 卷 gas content and permeability were established by using stochastic modeling . The modeling results show that the gas content of coal seam 45 was 2.0-5.2 m3/t, averaging 3.3 m3/t, the gas content of coal seam 89 was 2.4-9.2 m3/t, averaging 5.1 m3/t; the permeability of coal seam 45 was 0.8-9.810–3 μm2, averaging 6.110–3 μm2, the permeability of coal seam 89 was 2.8-1110–3 μm2, averaging 7.310–3 μm2. In general, it is a CBM devel- opment unit with low gas content, high permeability. Planar distribution characteristics of equivalent gas content, resource abundance, and adsorption saturation of coal reservoir in study area were analyzed based on the estab- lished geological model. Then, the geological conditions of two typical wellsB1-X1 and B1-X2 were compared and analyzed, the results show that the parameters of well B1-X1 were better than those of well B1-X2. From the cross-well section and the production curve, it can be seen that the productivity difference between two wells mainly includes two aspects one is resource condition, the gas content and resource abundance of well B1-X1 are better than those of well B1-X2, and the low adsorption saturation in well B1-X2 makes gas desorption more diffi- cult. On the other hand, it is reservoir physical conditions. The permeability of well B1-X1 is better than that of well B1-X2, which is beneficial to the seepage of coalbed methane and s a high yield. Among them, the dif- ference in permeability is a key parameter that affects CBM exploitation, and CBM resource abundance and adsorp- tion saturation are important factors for uating CBM wells to maintain high and long-term stable production. Keywords Baode unit I; geological modeling; production; resource conditions; physical conditions 鄂尔多斯盆地东缘保德区块是我国首个探明并 实现工业开采的中–低阶煤煤层气田， 日均产气量已 超 1.50106 m3。其中保德Ⅰ单元是产能的主力区， 但研究区煤储层极强的非均质性使得相邻单井产气 量差异大，对煤层气井产能评价和预测造成较多困 难，因此，理清煤储层在平面上和垂向上地质特征 是分析煤层气井产能差异的重要手段。 煤层气井产能影响因素包括地质条件[1]、工程 技术及排采制度[2-5]等三大因素，综合这些因素，前 人运用灰色关联分析技术，研究韩城和保德区块产 能主控因素[6-8]，结果表明韩城地区临储比、等效 压裂液量和含气量是影响产能的主控因素；而保德 地区临储比、地下水体流势和等效厚度是影响产能 的主控因素。 前人对煤层气井产能影响因素进行了详细分 析，但主要考虑井点处煤层气井的地质特征，并未 考虑煤层在三维空间的展布特征对产能的影响。笔 者认为三维地质建模技术不仅可以实现煤储层地质 特征空间展布，且基于地质模型可以更好地分析煤 层气井产能响应特征。储层三维地质建模主要包括 确定性建模和随机性建模[9-10]。确定性建模以实际 信息为基础，对井间区域进行预测，推测出井间储 层参数特征[11]；随机性建模则以随机函数为理论， 运用随机模拟方法，在地质条件的约束下得到多个 等概率的地质模型， 更适合非均质性较强的煤储层， 更能表征储层实际特征，因此受到广泛关注[12]。 笔者以山西保德区块Ⅰ单元 45 号和 89 号煤 层为研究对象，基于前人的研究认识，理清在各因 素控制下产能的响应特征。根据实际地质、地球物 理资料，建立研究区煤储层地质模型，分析渗透率、 含气量等空间分布特征；基于地质模型，建立煤层 气井过井剖面，直观展示含煤地层地质条件在纵向 的展布特征， 分析开采过程中其对产能的影响特征， 以期为煤层气的开采提供参考。 1 地质概况 保德区块位于鄂尔多斯盆地东缘北部，是国内 煤层气主要产区之一[13]。东北部紧邻离石大断裂北 段，整体受构造影响较小，构造较为简单，局部发 育小规模褶皱和断层图 1， 基本表现为一走向 NE， 倾向 NW 的单斜构造。 保德Ⅰ单元仅发育小型褶皱， 简单的构造背景为煤层气富集保存提供较好的地质 条件[7,14]。 研究区主要可采煤层为山西组 45 号和太原组 89 号煤层图 2。2 套煤层全区稳定分布，为煤层 气的生成富集提供了丰富的物质条件。 2 保德ⅠⅠ单元地质模型建立 煤层气是一种自生自储的非常规能源，其中煤 岩既是生气的烃源岩，又是煤层气富集的载体[16]。 储层地质建模是利用计算机建模软件实现储层的三 维可视化，剖析储层物性的空间分布规律，明确储 层物性特征，定量分析储层。本文借助 Petrel 2015 软件采用随机性建模方法[17-19]，结合多因素约束的 思路，依据研究区 203 口煤层气参数井地质及地球 物理资料，建立研究区 45 号和 89 号煤层的地质 模型。 2.1 构造模型 构造模型是地质建模的基础，反映储层的三维 空间展布特征，直观展示储层内部结构形态，分析 煤系接触关系，主要包括断层模型、层面模型和网 格设计。由于保德Ⅰ单元断层不发育，因此，仅建 第 5 期 陈博等 基于地质建模的保德Ⅰ单元煤层气井产能响应特征 55 图 1 保德区块构造纲要图 Fig.1 Tectonic outline of Baode block 立研究区层面模型。在网格设计过程中，充分考虑 模型的精度及计算速度，平面上将网格步长设计为 20 m20 m，纵向上 0.5 m，网格总数为 306313 15014 366 700。 再根据构造模型分析煤层与顶底板 的横向展布特征，地层接触关系与实际相符图 3。 2.2 煤储层物性模型 以过井数据为基础，进行煤层气井间区域储层 物性预测， 从而理清储层物性的三维空间分布规律。 针对保德Ⅰ单元， 主要研究煤储层含气量和渗透率， 并以测井数据为基础进行计算。 2.2.1 含气量模型 煤层含气量是评价煤层气开采的重要参数，保 德区块煤层气参数井取样测试结果表明研究区含 气量普遍偏低，45 号煤层为 0.907.14 m3/t，平均 3.35 m3/t， 89 号煤层为 0.519.19 m3/t， 平均 4.23 m3/t。 目前含气量计算方法较多，本文选取支持向量 机SVM算法[20-22]对煤层含气量进行计算。支持向 量机是一种机器学习语言，在解决小样本、非线性 及高维模式识别中有明显的优势，能够较好地解决 支持向量分类和支持向量回归等诸多问题，本次研 究主要采用支持向量回归模型。即当输入的训练数 据集 Xi在原始空间中不是线性可分时，对其做非线 性变换将原始数据集映射到一个高维特征空间，使 其在高维空间线性可分。然后在这个高维空间中找 到一个函数间隔最大的线性超平面来对数据进行线 性估计。最后把高维的分类面映射回低维，实现对 数据的分类。 在高维特征空间中构造最优超平面需要计算支 持向量与特征空间中向量的内积，但高维空间的计 算并不易实现，因此，选用满足 Mercer 定理的核函 数 kx,y来代替，从而避免“维度灾难”。本文选取径 向基函数作为计算的核函数。  2 2 |||| ,exp 2 xy k x y        1 式中σ 为自由参数； 2 ||||xy为 2 个特征向量之间 的平方欧几里得距离。 模型还包括 2 个关键参数 c 和 g。其中常数 c 为惩罚系数，表示模型对误差的宽容度，该参数的 大小会影响模型的泛化能力；g 等价于径向基函数 中的 2 1 2 ，决定数据映射到新特征空间后的分布， 其大小会影响模型的训练速度。主要通过编写交互 检验及二分法网格参数寻优函数，在 SVM 模型多 次迭代训练下完成对模型关键参数 c 和 g 的取值。 含气量计算思路为首先进行含气量与测井 参数的灰色关联分析，分析表明，埋深 d、声波时 差 AC、补偿中子 CNL、密度 ρ 对含气量贡献最 大图 4； 然后选用 45 号和 89 号煤层的 4 个测井 参数和对应的实测含气量采用 SVM 算法进行机器 56 煤田地质与勘探 第 48 卷 图 2 保德区块地层柱状图[15] Fig.2 Stratigraphic histogram of Baode block 图 3 研究区构造模型栅状图 Fig.3 Fence diagram of the tectonic model of the study area 第 5 期 陈博等 基于地质建模的保德Ⅰ单元煤层气井产能响应特征 57 图 4 测井参数与含气量相关性 Fig.4 Correlation analysis of the logging parameters 学习训练，得到含气量的反演计算模型。由于煤样 有限，分别对 45 号和 89 号煤层进行了 24 组和 34 组等温吸附实验，并预留 5 组数据进行结果验证 和误差分析表 1。从表 1 可以看出，含气量反演模 型精度较高，平均误差分别为 3.69和 5.20，可 用于研究区煤层含气量反演计算。 依据建立的含气量反演模型，选取资料齐全的 162 口煤层气井进行含气量计算，采用随机建模算法 模拟得到研究区含气量模型图 5。 从建立的模型可以 看出 45 号煤层含气量为 2.05.2 m3/t， 平均 3.3 m3/t， 且随深度增加，含气量总体逐渐增大；89 号煤层含 气量为 2.49.2 m3/t，平均为 5.1 m3/t，含气量高值区 位于研究区北部。 表 1 保德区块煤层含气量反演模型计算结果 Table 1 The calculation results of inversion model of gas content in Baode block 煤样 埋深 d/m 声波时差 AC/μms–1 补偿中子 CNL 密度 ρ/gcm–1 含气量实测 值/m3t–1 含气量预测 值/m3t–1 绝对误差/ m3t–1 相对误差/ 平均相对 误差/ 711.31 319.70 34.99 1.95 3.66 3.80 –0.14 3.83 1 213.75 384.71 42.91 1.35 1.71 1.60 0.11 6.43 858.25 362.54 34.13 2.04 0.90 0.90 0 0 637.00 382.53 44.59 1.44 2.45 2.41 0.04 1.63 45号 1 198.5 394.55 41.13 1.59 1.53 1.63 –0.10 6.54 3.69 1 051.25 364.05 45.84 1.56 1.48 1.53 –0.05 3.38 675.81 380.65 45.12 1.51 4.96 4.37 0.59 11.90 770.69 429.76 38.73 1.35 6.39 6.07 0.32 5.01 674.94 396.41 45.52 1.48 4.72 4.45 0.27 5.72 89号 1 048.13 354.26 41.75 1.72 1.66 1.66 0 0 5.20 图 5 保德Ⅰ单元煤层含气量模型 Fig.5 Coal seam gas content model of Baode unitⅠ 58 煤田地质与勘探 第 48 卷 2.2.2 渗透率模型 煤储层渗透率是煤层气开采的重要参数，决定 了煤层气开采的难易程度。保德地区 45 号煤层试井 渗透率为0.1411.2110–3 μm2，平均 6.7610–3 μm2， 89 号煤层渗透率为0.316.010–3 μm2，平均达 8.710–3 μm2，为煤层气的高产提供了优越的物性条 件[23]。 煤储层渗透率的表征既有基于测井的静态定量 计算，也有考虑应力条件下的动态定量分析[24-29]。 本文采用基于测井的静态定量计算方法反演煤层渗 透率[30]，其中煤层可看作由碳、灰和孔隙 3 部分组 成，其中孔隙可分为基质孔隙和裂隙孔隙，则有双 孔隙体积模型， 令 VC、 Va分别为碳、 灰的相对体积， φb、φf分别为基质和裂隙孔隙率。 对于电阻率测井，电阻率 R 可以看成是由碳、 灰、 基质孔隙和裂缝孔隙 4 部分电阻率并联的结果 Cabf cabf 1VV RRRRR   2 式中RC、Ra、Rb、Rf分别为碳、灰、基质孔隙和 裂隙孔隙的电阻率。 若采用双侧向测井资料， 式2可写为以下 2 个 Cabf tcabf 1VV RRRRR   3 Cabf scabf 1VV RRRRR   4 式中Rt为深侧向电阻率；Rs为浅侧向电阻率。 煤层在原始状态下，气体主要处于吸附状态， 认为煤的孔裂隙中主要被水充填。由于深侧向表示 地层的电阻率，认为裂缝电阻率等效于地层水电阻 率；而浅侧向表示侵入带电阻率，且近井地带几乎 被泥浆滤液充满，因此，其裂缝电阻率等效于泥浆 滤液电阻率；而基质孔隙中一般不含可动水，认为 其不受泥浆侵入的影响， 根据阿尔奇公式[30]， 式3、 式4可变换为 mf Cabf tCabw 1VV RRRRR   5 mf Cabf sCabmf 1VV RRRRR   6 式中 Rw为地层水电阻率； Rmf为泥浆滤液电阻率； mf 为胶结指数； mf f 为裂隙中含有泥浆滤液时孔 隙率。 式5–式4可得 mfmf ff tswmf 11 RRRR   7 式7整理得 1 11 11 mf ts f wmf RR RR           8 最终根据计算出的裂缝孔隙率，利用 Faivre- Sibbit 渗透率计算公式 6 fff 8.33 10kc 9 式中kf为裂隙渗透率；cf为比例因子。 依据研究区煤层气储层测井参数可以计算 得到煤裂隙孔隙率；结合煤岩试井渗透率，代入 式9可以得到研究区适用的比例因子，对其取平 均数为 7.4410–7表 2。由表中数据分析对比可 知，上述解释模型精度较好，适用于研究区渗透 率的计算。 表 2 保德区块煤层渗透率计算结果 Table 2 The calculation results of coal seam permeability in Baode block 煤层组 深侧向电阻 率 LLD 浅侧向电 阻率 LLS 储层温 度/℃ 地层水 电阻率 泥浆滤液 电阻率 裂隙孔 隙率/ 比例因子 cf/10–7 试井渗透 率/10–3 μm2 反演渗透 率/10–3 μm2 89 3 792.6 3 153.2 29.9 7.32 2.90 3.4 9.80 0.28 0.22 89 1 032.9 798.2 32.6 1.87 3.06 6.5 6.44 0.35 0.43 45 1 997.4 1 462.1 28.5 2.52 3.14 8.4 7.18 0.50 0.54 45 124.8 86.1 36.5 1.81 3.35 2.6 6.34 0.14 0.16 依据以上解释模型，选取资料齐全的 162 口煤 层气井进行渗透率计算，采用随机建模算法模拟得 到研究区 45 号和 89 号煤层渗透率模型图 6， 由 图 6 可知，保德Ⅰ单元 45 号煤层渗透率为0.8 9.810–3 μm2， 平均为 6.110–3 μm2， 且随埋深增加， 渗透率有递减的趋势；89 号煤层的渗透率为2.8 11.010–3 μm2，平均 7.310–3 μm2。煤层渗透率整 体较高，有利于煤层气的开采。 3 基于地质模型的产能响应特征分析 煤层气产能影响因素较复杂，是地质条件、工 程技术和排采控制 3 方面因素综合作用的结果。本 文选择具有相同钻完井工艺和基本相似排采制度的 典型煤层气排采井 B1-X1 和 B1-X2 为研究对象， 分 第 5 期 陈博等 基于地质建模的保德Ⅰ单元煤层气井产能响应特征 59 图 6 保德Ⅰ单元煤层渗透率模型 Fig.6 Coal seam permeability model of Baode unitⅠ 析煤层气开采过程中地质条件对产能的影响[31]，为 进一步煤层气选区、布井提供参考。 3.1 排采效果分析 从 B1-X1 和 B1-X2 井煤层气生产曲线图 7可 以看出，B1-X1 最大日产气量 19 434 m3，平均日产 气量 6 085 m3，最大日产水量 19.92 m3，平均日产 水量 7.2 m3；而 B1-X2 井最大日产气量 4 152 m3， 平均日产气量 1 950 m3，最大日产水量 19.26 m3， 平均日产水量 7.5 m3，2 口煤层气井产气量差异大。 由 2 口井排采曲线图 7可知， B1-X1 井井底压 力为较平稳地降低，而 B1-X2 井井底压力变化幅度较 大，快速的压降变化将导致煤储层的应力伤害，对煤 层气的开采造成不利。随压力降低 B1-X1 井煤层气产 量迅速增加；而 B1-X2 井煤层气产量增加缓慢，最终 维持在 2 405 m3/d，井底流压保持在 1.8 MPa 左右，远 低于相同井底流压条件下 B1-X1 井的 18 000 m3/d。整 体来看，B1-X2 井产能效果整体较 B1-X1 差。 造成 2 口井产能差异的因素较多，在工程技术 和排采条件相近的条件下，重点分析其地质条件因 素含气性和渗透性。 图 7 保德Ⅰ单元典型煤层气井生产曲线 Fig.7 Production curve of typical CBM wells in Baode unitⅠ 3.2 煤储层平面非均质性 基于建立的地质模型分析研究区资源条件和物 性条件的平面分布特征。研究区采用 45 号和 89 号煤层合采的方式进行开采，因此，假设煤层气井 60 煤田地质与勘探 第 48 卷 开采过程中 2 套煤层的控制面积相等且煤层密度取 平均值，从而将 2 套煤层的含气量依据厚度进行叠 加得到煤层的等效含气量，最终实现研究区煤层含 气量的表征[7]。 等效含气量C可表示为 4 58 9 4 58 9 4 58 94 58 9 hh CCC hhhh      10 式中 4 5 C  、 8 9 C  分别为 45 号、89 号煤层含气 量，m3/t； 4 5 h  、 8 9 h  分别为 45 号、89 号煤层厚 度，m。 从图 8 可以看出，研究区等效含气量为 2.5 8.0 m3/t，平均 5.1 m3/t，从东南向西北含气量逐渐 增大，含气量高值区分布在区块西北部，B1-X1 井含 气量为 5.32 m3/t，B1-X2 井含气量为 3.19 m3/t，含气 量差异是造成 2 口井产能差异的重要因素之一。 图 8 保德Ⅰ单元等效含气量平面分布 Fig.8 Planar graph of equivalent gas content in Baode unitⅠ 根据煤层含气量和煤厚特征，分析研究区资源 丰度分布。从图 9 可以看出，研究区起始资源丰度 为0.512.39亿 m3/km2，平均 1.37 亿 m3/km2，属中等丰 度煤层气藏。其中B1-X1井资源丰度为1.71 亿m3/km2， B1-X2 井资源丰度为 1.39 亿 m3/km2，2 口井资源潜 力较大。 通过含气量和资源丰度的分析，B1-X1 井和 B1-X2 井 资源条件较好，且 B1-X1 井优于 B1-X2 井。为了 分析研究区煤层气的富集程度，计算得到研究区的 吸附饱和度。基于 45 号和 89 号煤层 Langmuir 体积、Langmuir 压力及煤储层压力与埋深关系表 3，计算地层压力条件下煤层理论含气量，而实际 含气量与理论含气量之比即为含气饱和度。从图 10 可以看出，研究区煤层含气饱和度为 35 98， 平均 65。 其中， B1-X1 井煤层含气饱和度为 70， 而 B1-X2 井为 56，两者差异较大，这是造成 2 口 井产能差异的另一重要因素。 图 9 保德Ⅰ单元资源丰度平面分布 Fig.9 Planar graph of resource abundance in Baode unitⅠ 3.3 煤层纵向非均质性 从资源条件的平面分布特征可以看出，研究区 资源潜力大，开采前景好，但储层内部物性特征纵 向展布却不明晰，因此，通过建立 B1-X1 和 B1-X2 井的过井剖面进一步分析煤储层纵向物性特征。 从图 11 可以看出， 纵向上煤层含气量表现出极 强的非均质性，总体随埋深的增加含气量增大。其 中 B1-X1 井煤层含气量明显高于 B1-X2 井，且 B1-X1 井钻穿的煤层厚度大， 造成其资源丰度较好。 由于 89 号煤层的含气量和厚度均大于 45 号煤层 厚度，故 89 号煤层的资源丰度将远大于 45 号煤 层，利于煤层气的高产。 表 3 保德区块煤储层吸附常数及压力–埋深关系 Table 3 Error analysis of inversion model of gas content in Baode block 煤层组 Langmuir 体积 VL/m 3t–1 Langmuir 压力 pL/MPa–1 压力 p 与埋深 d 关系 45 12.4 3.6 pd–185.64/92.21 89 13.2 3.0 pd–272.33/82.15 第 5 期 陈博等 基于地质建模的保德Ⅰ单元煤层气井产能响应特征 61 图 10 保德Ⅰ单元吸附饱和度平面分布 Fig.10 Planar graph of adsorption saturation in Baode unitⅠ 煤层气开采过程中， 渗透率是影响开采效果的重要 参数。从图12可以看出，B1-X1 井45 号煤层渗透率为 5.710–3 μm2，89 号煤层为 6.510–3 μm2，B1-X2 井 45号渗透率为5.810–3 μm2， 89号煤层为5.210–3 μm2， 总体上，因 89 号煤层的资源丰度将远大于 45 号煤 层，且 B1-X1 井 89 号煤层渗透率优于 B1-X2 井，这 可能是造成 2 口煤层气井的产能差异的重要因素。 4 结 论 a. 以保德Ⅰ单元 45 号和 89 号煤为研究对 象， 依据 Petrel 2015 三维地质建模软件的建模流程， 建立了沉积–构造控制下的煤储层三维地质模型， 直 观展示煤储层的空间展布特征和物性的分布规律， 为煤储层定量分析奠定了基础。 b. 从地质建模结果可以看出，研究区构造简 单，储层物性条件较优。其中，45 号煤层的含气 量为 2.05.2 m3/t，平均 3.3 m3/t，89 号煤层的含气 量为 2.49.2 m3/t，平均 5.1 m3/t；45 号煤层渗透率 为0.89.810–3 μm2，平均 6.110–3 μm2，89 煤层 渗透率为2.81110–3 μm2，平均 7.310–3 μm2。总 体表现为低含气量、高渗透率的物性特征。三维地 质建模直观且定量地展示煤储层物性的空间分布规 律，为煤层气开采有利区的优选提供参考。 c. 基于地质模型，分析了研究区等效含气量、 资源丰度、吸附饱和度平面分布特征，结合 2 口典 型煤层气开采井可知B1-X1 井资源条件优于 B1-X2 井。根据 2 口井排采曲线和过井剖面分析可 知，影响其产能差异主要因素是资源条件和储层物 性条件，总体上，因 89 号煤层的资源丰度将远大 于 45 号煤层，且 B1-X1 井 89 号煤层渗透率优于 B1-X2 井，这可能是造成 2 口煤层气井的产能差异 的重要原因。 d. 煤层气产能影响因素较复杂，是地质条件、 工程技术和排采控制 3 方面因素综合作用的结果， 其中地质条件是基础， 针对特定的煤层气开发区域， 基于少量的地质资料，需借助适合的模拟手段，查 明其基础地质条件，并依据地质条件合理布井，并 优化施工工艺，以实现高产稳产。 图 11 保德Ⅰ单元含气量过井剖面 Fig.11 Schematic cross-sections of the gas content in the study area 62 煤田地质与勘探 第 48 卷 图 12 保德Ⅰ单元渗透率过井剖面 Fig.12 Schematic cross-sections of the permeability in Baode unitⅠ 请听作者语音介绍创新技术成果 等信息，欢迎与作者进行交流 参考文献References OSID 码 [1] LIU Yanfei， TANG Dazhen， LI Song， et al. Productivity subarea of CBM field and its key controlling factorsA case study in the Hancheng pilot test area，southeastern Ordos basin，China[J]. Energy Exploration Exploitation，20191102–124. [2] 王绪性，王杏尊，郭布民，等. 鄂尔多斯盆地东部深部煤层气 井压裂工艺及实践[J]. 煤田地质与勘探，2019，47192–95. WANG Xuxing，WANG Xingzun，GUO Bumin. et al. Tech- nology and practice for deep CBM fracturing in eastern Ordos basin[J]. Coal Geology Exploration，2019，47192–95. [3] 付玉通，桑树勋，崔彬，等. 延川南区块深部煤层气 U 型分 段压裂水平井地质适用性研究[J]. 煤田地质与勘探，2018， 465146–152. FU Yutong，SANG Shuxun，CUI Bin，et al. Geological adaptability of deep CBM U-shaped staged fracturing horizontal well in the south block of Yanchuan[J]. Coal Geology Explo- ration，2018，465146–152. [4] 陶树，汤达祯，许浩，等. 沁南煤层气井产能影响因素分析及 开发建议[J]. 煤炭学报，2011，362194–198. TAO Shu， TANG Dazhen， XU Hao， et al. Analysis on influence factors of coalbed methane wells productivity and development proposals in southern Qinshui basin[J]. Journal of China Coal Society，2011，362194–198. [5] 原俊红，曹丽文，付玉通. 延川南地区深部煤层气 U 型水平 井压裂参数优化设计[J]. 煤田地质与勘探，2018，465 175–181. YUAN Junhong， CAO Liwen， FU Yutong. Optimal design of the parameters of U-shaped horizontal well for deep coalbed meth- ane in southern Yanchuan[J]. Coal Geology Exploration， 2018，465175–181. [6] ZHAO Junlong，TANG Dazhen，XU Hao，et al. High production inds and the key factors in coalbed methane productionA case in the Hancheng block， southeastern Ordos basin， China[J]. Journal of Petroleum Science and Engineering，2015，13055–67. [7] 赵欣. 煤层气产能主控因素及开发动态特征研究[D]. 北京 中国矿业大学北京，2017. ZHAO Xin. The study of main influence factors on productivity of coalbed methane well and the development perance[D]. BeijingChina University of Mining and TechnologyBeijing， 2017. [8] 彭龙仕， 乔兰， 龚敏， 等. 煤层气井多层合采产能影响因素[J]. 煤炭学报，2014，39102060–2067. PENG Longshi， QIAO Lan， GONG Min， et al. Factors affecting the production perance of coalbed methane wells with mul- tiple-zone[J]. Journal of China Coal Society，2014，3910 2060–2067. [9] ZU Xiaofang，HOU Weisheng，ZHANG Baoyi，et al. Overview of three-dimensional geological modeling technology[J]. IERI Procedia，2012，2