对于煤层，孔隙度是一个概念简单但实际处理复杂的参数。地层中的孔隙度通常可以分为两大类，即基质孔隙度（反应基质孔隙特性）和裂缝孔隙度（反应裂缝孔隙特性）。基质/裂缝孔隙度的精确表征不仅对于理解储层参数（如孔隙度、渗透率和饱和度）有重要的意义，而且能够提高含油气层内部孔隙连通及流动特性的认识。此外，它的有效表征可以保证开发低渗透性油气储层的经济效益，并提供最优的完井规划。鉴于此，首先回顾了近年来核磁测井技术在裂缝储层评价中的综合应用。我们的目的是协助研究人员拓展现有的储层表征方法，并将其有效应用到非常规油藏，特别是煤层中，这是因为许多定性和定量分析裂缝的技术已经在常规的砂岩油藏和碳酸盐岩油藏得到应用，但是这些技术在非常规油藏中的应用依然不足。(第二章)
　　本文基于核磁共振T2谱和Levenberg-Marquardt(LM)算法提出一种新的方法，主要目的是能够分别计算含煤储层的基质和裂缝孔隙度。部分的核磁实验可以在实验室里完成，但是在实际中，由于核磁测量的实测环境的约束及成本，很难得到大量的不同类型储层的核磁数据资料。尽管核磁共振技术是目前油气领域获取储层渗透率和孔隙度信息的最可靠技术之一，它无法在已经生产的套管井中进行测量。这也为目前的研究工作带来了严重的挑战。因此，为了保证研究区块核磁数据的缺失不会对基质/裂缝孔隙度计算及表征造成影响，进一步提出一种新的方法来模拟流体的弛豫特性，并人工合成核磁的T2谱。该方法主要基于人工智能算法，包括模糊推理系统（FIS），自适应神经模糊推理系统（ANFIS）和人工神经网络(ANN)，利用比较容易获取的地震资料预测核磁T2谱。需要用到的属性有：地震数据的振幅、频率和相位。采用了100米内600个深度点的数据来建立相关的模型。本方法在孔隙和裂缝尺度上提供了一种模拟核磁驰豫特性的思路及算法，并通过实例证明了方法的可行性和可靠性。(第三章)
　　此外，验证了基于常规测井资料，利用LM算法计算目标井含煤层孔隙度的可行性。反演建模所需要的参数包括一些从实测资料中得到的弹性参数（纵、横波速度）以及饱和度参数等，当然，这些参数都是经过井眼环境等校正。这样话，就能保证所采用的反演算法可以满足在下一步中计算煤样品中孔隙度等参数的要求。换句话说，将评价并保证本研究每一步算法和结论的准确性。(第四章)
　　毕竟，将在下一阶段的研究中，基于在实验室测量的核磁T2谱和岩石物理方法，计算并区分两种类型的孔隙度。该方法首先在实验室对34块饱和水的煤样进行了制备和处理，并应用核磁共振技术测量煤样的横向弛豫时间谱详细探究样品的孔隙结构分布特征。随后，基于特别的核磁实验设计，确定煤样中水的T2截止值，并分别计算煤样基质孔隙度和裂缝孔隙度。首先，基于实验室的核磁仪器获取核磁T2谱；其次，基于测量岩样的岩石物理参数，包括纵波速度(Vp),横波速度(Vs),体积模量(K),剪切模量(G),杨氏模量(E)和泊松比(ν)等，利用Levenberg-Marquardt算法进行岩石物理模型，分别计算核磁基质和裂缝孔隙度；随后就可以对两种类型的孔隙度进行评价，并指出其可行性和可靠性。这个方法提供了介质中的孔隙度等参数，这是无论采用核磁或者岩石物理方法无法单独得到的。在油气行业，岩石物理既是刻画整个油藏介质弹性信息的工具，也是表征岩石属性的工具，包括渗透率、孔隙度、流体分布和流体特性描述。然而，由于甲烷气的复杂特性和煤层中水的存在，导致该方法在煤层气储层应用存在困难。气体在煤层中的赋存状态包括内表面吸附甲烷，裂缝中的游离甲烷，或作为固体溶液；同样的，水存在于夹板中或者形成煤炭结构中不可或缺的一部。因此本文介绍一种新的方法针对利用岩石物理方法区分煤储藏的两类孔隙度。结合实验室测量和计算的煤样核磁孔隙度与岩石力学参数，该方法成功计算了煤样的基质孔隙度和裂缝孔隙度。研究结果表明，岩石物理模型是快速且深入评价非常规煤层气储层的可靠方法。（第五章）
　　由于数学性建模在本研究的不同阶段中（包括模拟核磁共振弛豫现象，利用常规测井资料进行孔隙度反演和利用岩心样品对孔隙/裂缝孔隙度进行区分）被证明具有可行性，进一步基于地震测量数据建立一种新的方法代替复杂的地震孔隙度反演。为了解决地震反演过程中不可避免的问题，如调音效果、误读和数据不匹配等问题，该方法基于两种统计型算法（Bag和least square boosting(LSBoost)集成学习）和地震属性数据，分别在二维和三维尺度上估计了孔隙度。对于统计型集成学习算法，最重要的参数是弱监督者或决策树的数量。这个参数主要通过测试200不同的模型而得到。此外，使用的地震属性来自于地震道数据的振幅、频率和相位，因为这三个地震属性可以记录并代表所有与地质相关的信息。这个阶段可以得到可靠的结果，并证明了所提出方法的可行性。