刘玉卫,商铁林,龚 剑,张亚峰

(1.郑州工程技术学院，河南 郑州 450044；2.郑州煤炭工业(集团)有限责任公司, 河南 郑州 450042；3.榆林学院 能源工程学院，陕西 榆林 719000)

赵家寨煤矿位于郑州市南40 km，北起大隗断层，南至新庄断层，东自一1煤露头，西止二1煤底板等高线800 m。走向长18 km，倾向宽7～8 km，矿区面积102.5 km2，是郑煤集团设计年产300万t的大型矿井，主要开采二叠系山西组二1煤层，煤种为贫煤，煤厚0～24.76 m，平均为7.07 m，倾角8～26°，平均12°。矿井于2010年达产，是郑煤集团主力接续矿井，矿井的煤质好坏对郑煤集团的经济效益将产生巨大的影响。

常规的煤质化验是通过在实验室对煤样进行化验，费时又费力，利用测井进行煤质分析是一个不错的选择。目前，我国煤田采用的测井主要是以测定岩石电学性质为基础的电测井，以确定岩石核物理性质为基础的放射性测井，以研究岩石声学性质为基础的声测井，在测井资料中包含大量的信息，可以根据煤层在不同测井曲线上的响应特征，结合煤的密度、电阻率等与灰分、挥发份的关系，确定一系列煤质参数[1]。

1 主采煤层测井曲线及其响应特征

视电阻率测井主要测量地层的导电性能，岩层电阻率的大小受组成岩层的矿物成分、孔隙度、空隙中流体的性质、温度等诸多因素影响[2]。在ρs曲线上，煤层显示为明显的高阻层。自然伽马测井测量地层中自然存在的放射性核衰变过程中放射出来的γ射线的强度，由于煤的组成成分中放射性物质含量极低，在自然伽马测井曲线上表现为极小值[3]。密度测井是以康普顿效应为理论依据, 利用岩层对伽马射线的散射和吸收性质，测量岩层的密度。煤系地层中以煤层的密度为最小，在密度测井曲线上，煤层常呈现显著的异常[4]。

本区二1煤层位于山西组底部，下距太原组顶界面3～5 m，顶底板为砂质泥岩或砂岩，煤层主要煤质指标见表1，煤系地层的测井响应见图1。

表1 煤层主要煤质指标

图1 钻孔测井曲线

2 煤质模型分析

研究区内共采用了视电阻率测井、散射伽马测井、自然伽马测井和自然电位测井4种测井方法。通过分析干灰分与4种测井方法之间的相关性，选取了密度测井、自然伽马测井和视电阻率测井3种方法建立相关关系模型。图2～图4分别是密度、自然伽马、视电阻率和灰分的相关关系图，相关函数和相关系数见表2。

图2 密度与灰分关系

图3 自然伽马与灰分关系

图4 视电阻率与灰分关系

3 煤质参数模型的预测分析

3.1 模型检验

用相关系数来描写因变量与自变量之间相关关系的密切程度，显著性检验就是根据相关系数的大小来进行的[5-6]。可以证明，已知样品的总离差平方Qs由两部分组成，即：

Qs=Qp+Qr

(1)

(2)

(3)

(4)

相关系数：

(5)

根据已知样品的个数N和给定的信度a，可在“相关系数检验表”中查到相关系数临界值ra。当|r|>ra时，认定y与x的相关关系显著，回归方程有效；否则，回归方程没有意义。

由式(3)可看出，Qp越小，表明Qs与Qr越接近，相关系数r越接近于1，这时y与x的相关系数越密切；反之，当相关系数越接近于零，表明y与x之间的相关系数越微弱。

本次回归分析采用了t和F检验来验证回归模型的统计学意义。表3中列出了所有3个回归模型的显著性检验结果。在t和F检验中只要Significancet0、Significancet1、SignificanceF值小于0.05，就说明回归模型是具有统计学意义的。从表中可以看出所有6个模型的Significancet0、Significancet1、SignificanceF值都是小于0.05的，3个模型都是具有统计学意义的。

表3 回归模型检验结果

3.2 预测分析

本文以视电阻率与灰分回归模型为例进行预测分析，结果如表4所示，从对比中发现此论文中的视电阻率灰分模型有些误差，分析误差可能由以下几个原因造成：

表4 视电阻率灰分预测结果

1) 论文中回归模型数据采用数字测井方式，而预测用数据是模拟测井(数据时间比较早)数据数字化的，这中间很可能产生人为误差和累积误差。

2) 由于模拟测井数据比较早，可能在测井曲线分层时没有发现一些夹矸煤层，致使煤层测井数据不准确。

3) 模型本身有待于进一步研究和提高精度。

4 结 语

在结合赵家寨煤矿地质条件的基础上，综合地质、测井和实验室化验资料，在进行煤质分析的过程中，根据测井数据和实验室化验数据做好回归分析模型，利用密度、自然伽马和视电阻率测井建立了灰分与测井曲线之间相关关系模型，运用建立的模型预测井田的煤质参数，通过测井预测灰分结果与实验室化验资料相比，误差相对较小，效果显著。