柿庄南区块3 号煤层含气量三维建模_周优.pdf

第 48 卷 第 1 期 煤田地质与勘探 Vol. 48 No.1 2020 年 2 月 COAL GEOLOGY 2. Beijing Key Laboratory of Unconventional Natural Gas Geological uation and Development Engineering, Beijing 100083, China; 3. Shanxi Key Laboratory of Resources, Environment and Disaster Monitoring, Jinzhong 030600, China; 4. CNOOC Energy De- velopment Co. Ltd., Engineering Technology Branch, Tianjin 300452, China Abstract The gas content of coal seam has a direct impact on the development of coalbed methane. The gas con- tent of coal seam in southern Shizhuang block is high, but there are many inefficient wells in the development process, and the 3D geological modeling of gas content can help determine the influence of gas content on the production of CBM wells. In this paper, the research object is the No.3 coal seam in southern Shizhuang block. Calculated gas content from linear multivariate regression by using parameters of ash content, volatile matter con- tent and fixed carbon content and simple burial depth matches well with laboratory measured values, and the coal proximate analysis parameters were predicted by log data. Finally, the gas content prediction equation of southern Shizhuang block based on logging data was established, and the equation was used to predict the gas content of No.3 coal seam in the research area. The predicted value is closed to the measured value. Then construction of gas content model based on the predicted value with Petrel software, and the 3D distribution characteristics of gas content in No.3 seam were analyzed. The research shows that the gas content of No.3 coal seam in the block is between 11-20 m3/t. The main control factors of gas content in the study area are the burial depth and the structural position. The model has guiding significance for the determination of low production factors of coalbed methane wells in the study area and the development of coalbed methane. Keywords CBM; gas content; multiple regression analysis; Petrel; 3D geological modeling; Qinshui basin; southern ChaoXing 第 1 期 周优等 柿庄南区块 3 号煤层含气量三维建模 97 Shizhuang block 煤层含气量指单位质量的煤中所含气体在标 准状态下的体积。对同一煤层气开发区块而言， 一般煤厚相近、煤阶相似，含气量基本上决定了 煤层气的资源丰度，是煤层气藏的一个基本要素， 影响煤层气勘探开发决策。特别是进入开发阶段 后，含气量的精细预测，也就是区块含气量的三 维地质建模，对区块煤层气开发井网部署、产能 预测、排采制度、经济评价，乃至开发成败有决 定性影响。 煤储层含气量的获取包括直接法和间接法两 种途径。 直接法通过参数井绳索取心现场解吸测试 获得含气量， 测试结果相对准确， 适用于勘探阶段， 费用较高。 间接法包括理论求解[1-3]、 数值模拟[4-6]、 地震解释[7-11]、测井解释[12-15]和多元统计分析[16]等， 适用于各个勘探开发阶段， 费用较低。 针对开发阶段 煤层气开发井井数多、不取心、基础测井资料全、要 求预测精度高等特点， 采用地球物理方法， 特别是测 井解释法，对区块煤层气含气量预测有重要意义。 沁水盆地柿庄南区块煤层气资源十分丰富，但 存在较多的低效井，其低效原因亟待研究[17-18]。含 气量的准确预测，也是进行气井低产因素分析的地 质基础，因此，有必要建立三维地质模型对目标煤 层含气性进行精细表征。前人应用三维地质建模技 术在常规油气藏和非常规油气藏中均取得了较好的 成果[19-22]，当前针对柿庄区块煤层的三维地质建模 分析有限，未见区块的精细建模分析[23-24]。笔者以 参数井资料为基础，分别建立了基于测井数据的煤 层工业分析参数预测模型和基于煤岩样品工业分析 结果及煤层埋深的多元回归含气量预测模型，并在 区块构造模型的基础上，建立了基于测井资料的 3 号煤层三维含气量分布模型，以指导区块煤层气的 勘探开发。 1 地质概况 柿庄南区块位于山西省沁水盆地南部，行政 区划上隶属于山西省晋城市沁水县与高平市。该 区块构造较简单，地层较为平缓，区内仅发育小 型褶皱和断层，整体为一向西倾的单斜构造。柿 庄南区块主要含煤地层为上石炭统下二叠统太 原组和下二叠统山西组，主力煤层为 3 号煤层和 15 号煤层图 1。柿庄南区块山西组地层沉积环境 以三角洲平原为主，地层岩性以深灰–灰黑色泥岩、 粉砂岩、细粒长石石英砂岩和煤层为主。山西组底 端为一标志层K7 标志层， 岩性为砂岩， 厚度较大。 3 号煤层位于山西组下部，主要为无烟煤，厚度较 大，分布持续稳定，平均厚度约 6.6 m，埋深 450 1 030 m，是煤层气勘探开发最为重要的目标煤层。 图 1 柿庄南区煤系柱状 Fig.1 The coal measure stratigraphy in the southern Shizhuang block 2 数据来源 本文的基础数据包括柿庄南区块 16 口参数井 图 2资料， 以及柿庄南 3 区块 196 口开发井的测井 数据。 柿庄南区块 16 口参数井山西组 3 号煤层共采 样 61 组，其中包括 11 组快速测试样品。为了使数 据获取基础相同，增加结果准确性，本文剔除了快 速测试样品，仅使用正常测试样数据建模。所有样 品均进行了含气量测试及工业分析。结果显示， 3 号煤层样品含气量介于 8.2426.48 cm3/g，水分质 量分数为 0.101.21，灰分质量分数为 6.87 24.53，固定碳质量分数为 58.8984.18，挥发 分产率为 6.7216.13，且多小于 10，为无烟煤 表 1。 3 预测方法 本文首先基于参数井资料分别建立含气量与煤 层埋深及工业分析参数灰分、 挥发分、 固定碳含量 间的关系模型，以及测井数据与煤层工业分析参数 间关系模型，最终建立以测井资料为基础的全区含 气量预测模型，具体方法如下。 ChaoXing 98 煤田地质与勘探 第 48 卷 3.1 基于工业分析的含气量预测模型 本文采用 SPSS 软件，首先验证煤样工业分析参 数及埋深与含气量之间的相关性表 2， 进而建立含气 量预测多元回归方程。相关性分析采用 Pearson 相关 性验证方法，当显著性双侧值小于 0.01 时，表明两 变量显著相关；小于 0.05 时表明两变量相关[25]。 研究区埋深与含气量密切相关。一般而言，随着 埋深的增加，地层温度和压力都会升高。压力和温度 对气体吸附分别具有正、 负效应， 在一定深度范围内， 随埋藏深度增加煤层含气量增加，超出一定深度时， 煤层含气量随埋深增加而降低。研究区参数井山西组 3 号煤层埋深介于 451.91 007.5 m。在此范围内，煤 层含气量与埋深表现为显著正相关图 3a。 研究表明，水分子与甲烷分子可在煤基质内表面 形成竞争吸附关系，但当煤水饱和后，其对煤的吸附 能力影响不大[26]。地下储层一般认为储层被地下水所 饱和，因此，可认为水分与煤层含气量关系不大。研 究区水分与煤层含气量关系不明显图 3b。 图 2 柿庄南区参数井分布 Fig.2 The parametric well distribution of the southern Shiz- huang block 表 1 柿庄南区块 3 号煤工业分析结果 Table 1 Table of industrial analysis test results of No.3 coal seam in district 3 of southern Shizhuang 样品编号 埋深/m ωMad/ ωAd/ ωVdaf/ ωFCd/ TS-01 585.31586.77/586.070.901.02/0.92 12.1220.44/17.61 12.0013.68/12.86 62.4172.97/67.71 TS-02 793.23798.33/796.000.520.85/0.68 6.8713.43/10.58 8.1011.66/10.89 74.6284.18/77.85 TS-03 795.33795.83/795.580.820.92/0.87 9.089.52/9.30 10.8111.41/11.11 78.6978.75/78.72 TS-04 451.92454.32/452.670.100.28/0.20 13.4817.26/15.38 8.4914.72/11.69 66.6146.46/72.74 TS-05 560.30 0.81 19.24 10.32 69.64 TS-06 561.47 0.61 18.97 11.86 68.56 TS-07 699.93700.67/700.990.911.01/0.99 8.5416.76/12.11 9.2810.70/9.73 72.5479.82/77.18 TS-08 702.15705.65/704.150.861.11/0.98 7.5613.62/10.66 8.0910.15/8.66 76.5683.34/79.70 TS-09 700.95 0.86 16.57 10.19 72.38 TS-10 659.89663.65/661.620.350.62/0.45 8.5617.61/12.83 8.6511.71/9.62 70.3382.39/77.11 TS-11 793.93794.93/794.430.680.70/0.69 9.0310.17/9.66 10.7711.49/11.18 78.2578.80/78.47 TS-12 858.30859.39/858.800.270.31/0.28 7.6412.33/9.89 8.5710.13/9.60 77.3183.48/80.23 TS-13 1007.05 0.40 13.35 7.32 78.93 TS-14 1002.85 0.30 9.00 7.83 82.87 TS-15 995.72 0.50 8.24 7.77 83.49 TS-16 710.68711.88/711.280.700.86/0.78 9.9514.61/12.28 8.009.07/8.54 75.6281.19/78.41 注585.31586.77/586.07 表示最小最大/平均值，其他数据同。 表 2 含气量相关变量相关性分析 Table 2 Correlation analysis of related variables of gas content 含气量相关变量 埋深 D 水分 Mad 灰分产率 Ad 挥发分 Vdaf 固定碳 FCd Pearson 相关性 0.818 –0.027 –0.606 –0.578 0.679 显著性双侧 ＜0.001 0.855 ＜0.001 ＜0.001 ＜0.001 结论 显著相关 不相关 显著相关 显著相关 显著相关 含气量与灰分含量呈显著负相关图 3c。灰分 含量主要来源于煤中的无机矿物。煤层甲烷主要以 吸附态赋存于煤中，大多数无机矿物质对甲烷基本 没有吸附能力。因此，煤中无机成分越少，吸附甲 烷能力越强，含气量也越高。 含气量与挥发分显著相关图 3d。煤中挥发分 ChaoXing 第 1 期 周优等 柿庄南区块 3 号煤层含气量三维建模 99 产率可反映煤变质程度。随变质程度增加，煤中挥 发分含量显著降低。因此，挥发分产率越小，煤变 质程度越高，生气量越大。 含气量与固定碳含量显著相关图 3e。一方面 与固定碳含量与灰分产率显著负相关有关；另一方 面，同一煤样固定碳含量也随煤变质程度加深而增 大。因此，相同地质条件下固定碳含量越高，煤层 含气量越大。 通过对研究区煤层含气量相关变量相关性分析， 运用SPSS软件多元线性回归模拟得出各项参数系数， 建立了柿庄南区块山西组 3 号煤层含气量预测方程 add dafd 0.0150.437 A 0.208 V0.559 FC 47.01 GDω ωω - 1 式中 Gad为含气量，m3/t；D 为埋深，m；ωAd为 灰分质量分数， ； ωVdaf为挥发分产率， ； ωFCd 为固定碳质量分数，。 含气量预测方程 R20.762 7，预测值准确度较 高，误差较小，表明该方程在研究区 3 号煤层含气 量预测中的适用性图 3f。 3.2 工业分析参数预测模型 前人研究表明，煤的工业分析参数之间、工业 分析参数与补偿密度DEN、自然伽马GR和深侧 向电阻率Rd等测井值关系密切， 建立了基于测井数 据的煤工业分析参数预测模型[27]。本文首先分析了 煤层测井值和工业分析参数间的相关性，进而建立 基于测井资料的煤样工业参数预测模型。灰分含量 与补偿密度、自然伽马和深侧向电阻率，以及挥发 分、水分、固定碳含量相关性见表 3。 图 3 柿庄南区块 3 号煤含气量相关变量分析及预测模型 Fig.3 Analysis of related variables of gas content and prediction model of gas content of No.3 coal seam in district 3 of southern Shizhuang ChaoXing 100 煤田地质与勘探 第 48 卷 表 3 灰分产率相关变量相关性分析 Table 3 Correlation analysis of related variables of ash content 灰分产率相关变量 DEN GR lgRd 水分Mad 挥发分Vdaf 固定碳FCd Pearson 相关性 0.661 0.489 0.328 0.025 0.530 0.949 显著性双侧 ＜0.001 ＜0.001 0.012 0.886 ＜0.001 ＜0.001 结论 显著相关 显著相关 相关 不相关 显著相关 显著相关 煤的灰分含量与补偿密度测井值 DEN图 4a、 自然伽马测井值 GR图 4b之间具有显著正相关性， 与 lgRd值之间具有正相关性图 4c。其中，各测井 数值取对应煤层样品埋深段的平均值。在此基础上 运用 SPSS 软件模拟得出各项参数系数，对灰分含 量作出预测，建立回归方程如下 dd A 16.412 DEN0.054 GR 1.55lg18.164R-ω2 式中 DEN为补偿密度测井值，g/cm3，GR为自然 伽马测井值，API；Rd为深侧向电阻率，Ωm。 灰分含量预测方程 R20.654 2，预测值准确度 较高，误差较小，表明该方程在研究区3号煤层灰 分含量预测的适用性图4d。 图 4 灰分产率相关变量分析及预测模型 Fig.4 Analysis of related variables of ash content and prediction model of ash content 煤样工业分析结果研究表明，固定碳含量和 灰分含量具有明显负相关性图5a，建立回归方 程如下 d d FC 1.2107 A 91.756ωω - 3 同样，挥发分产率与灰分含量具有显著正相关 性图5b，建立回归方程如下 图 5 灰分含量与固定碳含量及挥发分相关性分析 Fig.5 Correlation analysis between ash content and fixed carbon content, ash content and volatile matter content ChaoXing 第1期 周优等 柿庄南区块3号煤层含气量三维建模 101 dafd 0.169 6 A 7.948 9Vωω 4 3.3 基于测井的含气量预测模型 以煤工业分析参数为纽带，依据式1式4， 最终得出基于测井数据的柿庄南区块含气量预测 方程 ad d 0.0153.364 DEN0.011 GR0.318 lg9.654 GD R -- - 5 由表4可知，各井样品预测含气量与实测含气 量相对误差绝对值均值介于0.61 17.42 ，误差 较小，预测结果较准确。 表 4 实测含气量与预测含气量对比结果 Table 4 Table of comparison between measured and predicted gas content 样品 编号 实测含气量 均值/cm3g-1 预测含气量 均值/cm3g-1 相对误差绝对值 均值/ 样品 编号 实测含气量 均值/cm3g-1 预测含气量 均值/cm3g-1 相对误差绝对值 均值/ TS-01 9.41 9.98 6.06 TS-0916.25 13.42 17.42 TS-02 14.79 15.30 3.45 TS-1013.99 13.63 2.57 TS-03 14.48 15.28 5.52 TS-1114.90 15.26 2.42 TS-04 9.26 9.49 2.48 TS-1217.45 16.98 2.69 TS-05 10.89 10.99 0.92 TS-1318.85 19.68 4.40 TS-06 12.29 10.50 14.56 TS-1418.95 19.93 5.17 TS-07 14.68 14.05 4.29 TS-1521.36 20.00 6.37 TS-08 14.77 14.68 0.61 TS-1616.44 14.73 10.40 4 三维含气量精细建模 含气量模型用以反映煤层含气量在三维空间内 的分布特征，需要在构造模型基础上完成。构造模 型主要包括断层模型与地层层面模型两个部分，主 要是反映煤储层在空间上的形状、构架。地层层面 模型以测井分层数据为基础，以等时地层格架为宏 观控制因素建立。断层模型以断点数据为基础，由 点到线，再由线到面，分级描绘构建。 由于柿庄南区块为成熟的开发区块，总井数 多，数据量较大，以3区为例进行建模分析。首 先应用Petrel软件建立煤层三维模型，将研究区 内196口井的井位、井斜、测井数据、煤层层面 数据及区块断点数据导入，确保地质模型的准确 性，实现了柿庄南区块3区山西组3号 煤层构造 建模图6。 由图6可知，3号煤层在研究区内分布稳定，厚 度约6 m。区块构造条件简单，断层少见，根据实际 断层数据， 区块西北部发育一小型正断层。 东西向剖 面CC’、DD’、EE’及FF’反映区块煤层整体由东向西 倾，可见褶皱发育。南北向剖面AA’和BB’反映出区 块3号煤层南部埋深相对较浅， 发育多个褶皱及次级 褶皱图7。 在构造模型基础上，为得到研究区精确的含气 量模型，综合考量研究区面积、煤层展布特征等因 素，同时为保证后续含气量建模能精细刻画出研究 区含气量的三维展布特征，直观反映出各井间含气 量变化，对研究区3号煤层构造模型作网格处理， 设计该区平面网格步长为25 m，垂向划分10小层， 网格总数为12139110473 110个。 图 6 柿庄南 3 区 3 号煤层三维构造模型 Fig.6 The 3D structure model of No.3 coal seam in district 3 of southern Shizhuang ChaoXing 102 煤田地质与勘探 第48卷 图 7 柿庄南 3 区 3 号煤层含气量及构造剖面 Fig.7 The gas content and structure profile of No.3 coal seam in district 3 of southern Shizhuang 基于测井资料，由式5所示的含气量预测模型 及研究区构造模型，建立三维精细含气量模型 图8。建模过程如下 a. 含气量计算 应用Petrel软件中各测井曲线 数据及埋深数据依式5计算含气量。 b. 曲线粗化 曲线粗化即将测井数据离散化。 由于 每个网格单元仅能被赋予一个确定的值，为使曲线数据 在某一段符合网格长度范围内的数值是均匀的、可被网 格读取的，连续的曲线数据就需要进行离散化处理，使 其成为在每个网格单位上的确定值。本文采用算术平均 法对含气量数据作粗化处理，为每个单元格赋值。 c. 正态分布转换 本文含气量的建模方法为 序贯高斯模拟法，输入的数据类型需符合正态分布 高斯分布。因此，对3号煤层含气量数据作截断 转换使其趋于正态分布。 d. 变差函数分析 变差函数分析是地质建模 中的重要步骤，用以分析物性参数在空间上的连续 性及各个方向上的差异性，对随机模拟结果的好坏 有重要影响。通过优选主次方向变程及搜索半径， 保证含气量模型的准确性。 图 8 柿庄南 3 区 3 号煤层含气量三维模型 Fig.8 The 3D gas content model of district 3 of No.3 coal seam in southern Shizhuang 图8显示，该区块3号煤层含气量集中分布在 1120 m3/t ，与实际情况相符，含气量较高，煤层 气资源量巨大。 研究区含气量主控因素为煤层埋深， 含气量高值集中分布于埋深相对较深位置。区块构 ChaoXing 第1期 周优等 柿庄南区块3号煤层含气量三维建模 103 造对煤层含气量也有一定影响，模型显示，区块较 宽缓的向斜轴部、翼部煤层含气量相对较高，背 斜轴部不利于煤层气的富集保存， 含气量低图7、 图8。 煤层含气量对煤层气的产出有最直接的影响， 将该模型应用于柿庄南区块的生产实践中，对井位 部署、指导开发具有重要意义。 5 结 论 a. 应用多元回归分析方法建立了沁水盆地柿 庄南区块3号煤层含气量随煤层埋深和密度、自然 伽马、深侧向电阻率等测井参数变化的预测模型， 预测方法简单快速，可用于区块煤层气勘探开发过 程中的含气量预测。 b. 建立了柿庄南3区3号煤层构造三维模型， 精细刻画了3号煤层空间展布特征及构造特征，显 示区内3号煤层分布稳定，西北部发育一小型正断 层，小褶皱较多。 c. 建立了柿庄南3区3号煤层含气量分布三维 模型，显示区内3号煤层含气量为1120 m3/t，含气 量分布受埋深及构造影响较大。 预测结果对于分析区 内煤层气井低产原因及井位加密有重要指导作用。 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] 胡朝元，彭苏萍，赵士华，等. 煤层气储层参数多信息综合定 量预测方法[J]. 煤田地质与勘探，2005，33128–32. HU Chaoyuan，PENG Suping，ZHAO Shihua，et al. The qualitative prediction of the coalbed gas reservoir parameters[J]. Coal Geology Exploration，2005，33128–32. [2] 田敏， 赵永军， 颛孙鹏程. 灰色系统理论在煤层气含量预测中 的应用[J]. 煤田地质与勘探，2008，36224–27. TIAN Min，ZHAO Yongjun，ZHUAN Sunpengcheng. Appli- cation of grey system theory in prediction of coalbed methane content[J]. Coal Geology Exploration，2008，36224–27. [3] 陈刚. 准噶尔盆地彩南地区深层低阶煤吸附特征及其影响因 素[J]. 煤田地质与勘探，2016，44250–54. CHEN Gang. The adsorption characteristics and affecting factors of deep low-rank coal in Cainan area of Junggar basin[J]. Coal Geology Exploration，2016，44250–54. [4] 杨晓盈，李永臣，朱文涛，等. 贵州煤层气高产主控因素及甜 点区综合评价模型[J]. 天然气地球科学，2018，2911 1664–1671. YANG Xiaoying， LI Yongchen， ZHU Wentao， et al. The main controlling factors for production and the comprehensive ua- tion model of desert area of coalbed methane in Guizhou Prov- ince[J]. Natural Gas Geoscience，2018，29111664–1671. [5] 连承波，赵永军，李汉林，等. 煤层含气量的主控因素及定量 预测[J]. 煤炭学报，2005，306726–729. LIAN Chengbo，ZHAO Yongjun，LI Hanlin，et al. Main con- trolling factors analysis and prediction of coalbed gas content[J]. Journal of China Coal Society，2005，306726–729. [6] 朱庆忠，孟召平，黄平，等. 沁南–夏店区块煤储层等温吸附 特征及含气量预测[J]. 煤田地质与勘探，2016，44469–72. ZHU Qingzhong，MENG Zhaoping，HUANG Ping，et al. Isothermal adsorption characteristics and gas content prediction of massive coal reservoirs in Qinnan-Xiadian district[J]. Coal Geology Exploration，2016，44469–72. [7] 黄银涛， 周锋德， 姚光庆. 随机模拟及遗传神经网络方法预测 煤层气资源量[J]. 地质科技情报，2013，32673–79. HUANG Yintao，ZHOU Fengde，YAO Guangqing. Application of stochastic modeling and genetic neural networks in predicting coalbed methane resources[J]. Geological Science and Technol- ogy Ination，2013，32673–79. [8] 晋香兰. 鄂尔多斯盆地侏罗系煤层含气性分析及地质意义[J]. 煤炭科学技术，2015，437111–117. JIN Xianglan. Geological significances and analysis of gas po- tential for Jurassic coal seam in Ordos basin[J]. Coal Science and Technology，2015，437111–117. [9] 田忠斌，董银萍，王建青，等. 沁水盆地榆社武乡深部煤层 地震相控反演及煤层气甜点预测[J]. 煤炭学报，2018，436 1605–1613. TIAN Zhongbin，DONG Yinping，WANG Jianqing，et al. Seismic facies controlled inversion and CBM sweet spot predic- tion in deep coal seam of Yushe-Wuxiang block in Qinshui ba- sin[J]. Journal of China Coal Society，2018，4361605–1613. [10] 彭苏萍，杜文凤，殷裁云，等. 基于 AVO 反演技术的煤层含 气量预测[J]. 煤炭学报，2014，3991792–1796. PENG Suping，DU Wenfeng，YIN Caiyun，et al. Coal-bed gas content prediction based on AVO inversion[J]. Journal of China Coal Society，2014，3991792–1796. [11] 张延庆，程增庆. 用地震资料预测煤层气储层参数的方法初 探[J]. 煤田地质与勘探，2002，30424–26. ZHANG Yanqing，CHENG Zengqing. Preliminary study on the of predicting CBM reservoir parameters with seismic data[J]. Coal Geology Exploration，2002，30424–26. [12] 唐颖，李乐忠，蒋时馨，等. 煤层含气量测井解释方法参数选 择及适用性[J]. 煤田地质与勘探，2015，43494–98. TANG Ying，LI Lezhong，JIANG Shixin，et al. Parameter se- lection and applicability of coal seam gas content logging inter- pretation [J]. Coal Geology Exploration，2015，434 94–98. [13] 梁亚林， 原文涛. 测井预测煤层气含量及分布规律 以山西省 沁水煤田为例[J]. 物探与化探，2018，4261144–1149. LIANG Yalin，YUAN Wentao. The prediction of the content and distribution of coalbed gasA case study in the Qinshui coalfield based on logging[J]. Geophysical Geochemical Exploration， 2018，4261144–1149. [14] 原俊红，付玉通，宋昱，等. 深部煤层气储层测井解释技术及 ChaoXing 104 煤田地质与勘探 第48卷 应用[J]. 油气地质与采收率，2018，25524–31. YUAN Junhong，FU Yutong，SONG Yu. Logging interpretation technology and its application to deep coalbed methane reser- voir[J]. Petroleum Geology and Recovery Efficiency，2018， 25524–31. [15] 梁红艺，谢小国，罗兵，等. 煤层含气量评价方法研究与应 用[J]. 特种油气藏，2016，23345–48. LIANG Hongyi，XIE Xiaoguo，LUO Bing，et al. Coalbed methane content uation and application[J]. Special Oil Gas Reservoirs，2016，23345–48. [16] 李贵红，张泓，崔永君，等. 基于多元逐步回归分析的煤储层 含气量预测模型以沁水盆地为例[J]. 煤田地质与勘探， 2005，33322–25. LI Guihong，ZHANG Hong，CUI Yongjun，et al. A predictive model of gas content in coal reservoirs based on multiple step- wise regr