Abstract Igneous intrusions in or adjacent to coal seams impact the coal quality directly and cause hazards for both coal mining and coal seam gas extraction. Specifically, sills can be identified at borehole level by wireline logs, e.g. natural gamma-ray, density, and resistivity tools because of their unique petrophysical characteristics. The literature describes also the use of surface seismic surveys as a tool for mapping thick sills. However, there is no precise and efficient way to delineate its horizontal distribution where sills are thin in thickness, e.g. less than 5 m. This paper presents an integrated method to predict igneous sill distribution in the Rangal Coal Measures, which are the Late Permian seams from the Blackwater Group in the Bowen Basin, based on petrophysical logs and seismic attributes. In this study, the mean amplitude, half-energy time, and root mean square amplitude from a post-stack 3D seismic survey have been used and compared. Results show that the sill thickness ranges from 0.5 m to 6.4 m with an average of 2.1 m from the analysed 12 wells; The prediction results of the sill are depending on the time-depth windows for calculating and mapping the half-energy time and their cut-offs; The half-energy time calculated with a time-depth window of about 40 ms with a cut-off of 13.5% yields the highest prediction accuracy of 83%. Compared to the mean amplitude and root mean square, the half-energy time is found the best surface seismic attribute in predicting horizontal sill distribution. The sequential Gaussian simulation is successfully used in mapping the sill distribution for the whole study area.

中文翻译：

---

利用钻孔和 3D 地震数据绘制煤系火成岩分布的案例研究

摘要 火成岩侵入煤层内或邻近煤层，直接影响煤质，给煤炭开采和煤层气开采带来危害。具体而言，由于其独特的岩石物理特性，可以通过电缆测井（例如天然伽马射线、密度和电阻率工具）在钻孔级别识别基岩。文献还描述了使用表面地震勘测作为绘制厚窗台的工具。然而，没有精确和有效的方法来描绘窗台厚度较薄（例如小于 5 m）的水平分布。本文提出了一种基于岩石物理测井和地震属性预测兰格尔煤系火成岩基岩分布的综合方法，这些煤系是博文盆地黑水群晚二叠纪煤层。在这项研究中，平均振幅，已经使用并比较了来自叠后 3D 地震勘测的半能量时间和均方根振幅。结果表明，分析的12口井的窗台厚度范围为0.5 m至6.4 m，平均为2.1 m；基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。和来自叠后 3D 地震勘测的均方根振幅已被使用和比较。结果表明，分析的12口井的窗台厚度范围为0.5 m至6.4 m，平均为2.1 m；基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。和来自叠后 3D 地震勘测的均方根振幅已被使用和比较。结果表明，分析的12口井的窗台厚度范围为0.5 m至6.4 m，平均为2.1 m；基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。结果表明，分析的12口井的窗台厚度范围为0.5 m至6.4 m，平均为2.1 m；基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。结果表明，分析的12口井的窗台厚度范围为0.5 m至6.4 m，平均为2.1 m；基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。基台的预测结果取决于用于计算和映射半能量时间及其截止值的时深窗口；用大约 40 ms 的时间深度窗口和 13.5% 的截止值计算的半能量时间产生了 83% 的最高预测精度。与平均振幅和均方根相比，半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。半能量时间是预测水平窗台分布的最佳地表地震属性。连续高斯模拟成功地用于绘制整个研究区域的基台分布。