目前通过测井方法评价煤储层含气量是最具前景的一种手段,利用“岩心刻度测井”原则,可以提高测井数据评价煤储层含气量的准确性。本文以鄂尔多斯盆地西南缘HSD地区侏罗系延安组5#煤、6#煤、8#煤为研究对象,基于测井数据、钻孔数据及岩心分析测试数据,对研究区地层特征与煤岩测井响应特征,煤储层厚度高分辨率测井识别展开研究,建立了研究区煤储层工业组分测井预测模型,通过灰色关联理论分析方法对研究区煤储层含气量影响因素进行定量分析,结合多种数学方法建立了研究区煤储层含气量预测模型,最后通过建立三维地质模型,立体揭示了研究区煤层气储层相关属性在空间上的展布。结果表明,研究区各地层厚度变化较大,背斜和向斜对研究区地层横向展布控制明显。5#煤、6#煤和8#煤埋深特征类似,都表现为在背斜发育处埋藏深度较浅,在向斜发育处埋藏深度较大,与煤层厚度特征保持较高吻合度。煤岩测井响应特征表明,以密度、自然伽马、声波时差及长源距伽马测井曲线为主,结合其它测井曲线,通过建立直方图、交会图和测井蛛网图可以准确识别煤层及划分岩性。通过Dmey小波对自然伽马和密度测井曲线分解后的第5层高频信号可以实现煤层顶底界面的划分,且分解后的高频信号在煤层段曲线形态发生变化,说明该煤层段煤质不均匀和煤体结构存在差异。基于煤储层工业组分测试资料和测井资料,对测井数据及煤质参数展开相关分析,利用BP神经网络建立煤工业参数测井预测模型。结果表明,BP神经网络对水分、灰分与挥发分预测结果更加准确,而固定碳预测结果相对较差,总体误差较低。煤储层岩矿特征表明,研究区硫分含量和矿物质含量及灰成分指数皆显示研究区以海陆过渡相沉积为主。基于煤储层含气量影响因素分析,通过灰色关联分析方法确定了研究区煤层气含量主控因素,煤储层埋藏深度是5#煤和8#煤含气量的主控因素,煤储层厚度是6#煤含气量的主控因素。对比多元回归统计模型法、BP神经网络法、支持向量回归机法和深度学习网络法等含气量评价方法,深度置信网络模型对研究区含气量预测精度更高,研究区内8#煤层含气量高,富集范围较大。采用序贯高斯随机模拟方法,建立了延安组地层及含气量、灰分、发热量属性的三维地质模型。含气量平面上沿NW-SE方向变化较慢,而在NE-SW方向上变化较快,在主、次方向上有空间差异性,而在垂向空间上差异性不明显,8#煤储层含气量高于其它煤层,且连续性较好;灰分在平面上沿NW-SE方向变化较慢,而在NE-SW方向上变化较快,但在主、次方向上均比含气量变化要慢些,8#煤储层灰分含量低于其它煤层,且灰分整体展布规律性不明显;发热量在平面上变化无方向性,非均质性不明显,8#煤发热量较高,但发热量展布范围比较窄,差异不大,发热量属性整体展布规律性不明显。