準噶爾盆地火成巖巖性特征及神經(jīng)網(wǎng)絡識別方法

陳繼華,蘇小軍

(1.中國石油大學(北京),北京昌平 102249;2.中國石化石油勘探開發(fā)研究院）

準噶爾盆地火成巖巖性特征及神經(jīng)網(wǎng)絡識別方法

陳繼華1,2,蘇小軍2

(1.中國石油大學(北京),北京昌平 102249;2.中國石化石油勘探開發(fā)研究院）

火成巖油氣藏評價中,巖性識別是十分重要的部分,通過對準噶爾盆地北部石炭系火成巖地層的測井資料與巖心及地質(zhì)錄井資料對比分析,總結(jié)了不同巖性火成巖測井曲線特征,提取了各種巖性的測井特征參數(shù)。利用神經(jīng)網(wǎng)絡模式識別技術對火成巖巖性進行了識別,巖性判別符合率達到85%以上。

準噶爾盆地;火成巖 ;巖性識別;神經(jīng)網(wǎng)絡

準噶爾盆地北緣石炭系地層火成巖儲層發(fā)育,具有良好的儲集性能,20世紀90年代以來,在該地區(qū)石炭系地層發(fā)現(xiàn)儲量豐富的火成巖油藏?；鸪蓭r由于成巖礦物較多,巖性復雜,對火成巖地層評價中,識別火成巖巖性是火成巖儲層參數(shù)計算和火成巖描述的基礎[1]?，F(xiàn)在對火成巖識別的方法主要分2類,第一類是討論特殊測井方法對火成巖巖性的識別[2-3],如 ECS測井、放射性測井、成像測井等特殊測井進行測井方法;第二類是利用常規(guī)測井資料組合分析方法,如測井交會圖分析法[4]。由于不同的火成巖巖石在物理性質(zhì)上的差異,使得利用多種測井信息劃分巖性成分的方法成為可能。

1 火成巖的測井響應特征

在油氣勘探中,對火成巖巖性的認識主要來自于鉆井取心和巖屑錄井,鉆井取心較為可靠,而巖屑錄井資料可以供參考。測井識別火成巖巖性主要是根據(jù)測井曲線的形態(tài)特征及測井曲線值定性劃分巖性,然后采用交會圖技術和數(shù)理統(tǒng)計方法或模式識別技術劃分巖性。這里包含兩個主要內(nèi)容:一是測井曲線特征分析,二是對火成巖巖性反映敏感的測井參數(shù)篩選。

對于準噶爾盆地北部石炭系地層火成巖儲層,火成巖巖性類型主要有安山巖、玄武巖、流紋巖、凝灰?guī)r4類。通過統(tǒng)計同一種巖性在不同井段測井響應值分布范圍,通過分析,不同巖性的火成巖在自然電位、井徑、微電位測井曲線上的特征上規(guī)律性弱,因此總結(jié)歸納了研究區(qū)各類火成巖巖性在GR、RT、AC、DEN、CNL測井曲線上的特征:

安山巖是中酸性火成巖中分布較廣泛的一種熔巖[5],SiO2介于52%～63%之間的亞堿性系列的火成巖,主要礦物成分包括斜長石、角閃石、輝石、黑云母等。從測井曲線上看,安山巖具有低伽馬(15～55API)、中等電阻率(10～500Ω·m),較高中子和聲波孔隙度的特征。

玄武巖屬于基性巖火成巖類,SiO2含量在45%～53%,礦物成分上以基性斜長石和輝石為主要組成,也常見橄欖石,副礦物可出現(xiàn)磁鐵礦、磷灰石、鋯石等。測井曲線特征是高電阻率(一般大于200Ω·m)、低中子孔隙度(4%～13%)、低聲波時差(50～65μs/ft)、中低自然伽馬(45～70API)特征。

流紋巖則是屬于火成酸性噴出巖,SiO2含量大于69%,礦物成分以石英、堿性長石、及少量斜長石。測井特征是中等偏高自然伽馬(55～85API)較高密度測井值(2.65～2.80g/cm3)、中等偏低電阻率的特征,測井曲線形態(tài)上變化幅度較小。

火山碎屑巖是各種火山碎屑堆積后經(jīng)多種方式固結(jié)而成,其中可含少量的正常沉積物,是火山巖與沉積巖的過渡類型;火山凝灰?guī)r是屬于粒度介于2.0000～0.0625mm之間的火山碎屑巖,火山碎屑物含量一般大于50%,不少于1/3。在測井上特征是:高自然伽馬(大部分在80～120API之間)、較高聲波時差(55～90μs/ft),電阻率值相對較低。

根據(jù)表1可以看到,不同巖性在測井曲線值域分布范圍上都存在一定的重疊,因而在利用單一參數(shù)來判別巖性時,判別準確率不盡如人意,由于不同的巖性巖石物理性質(zhì)都有各自的特點,其測井參數(shù)組合也體現(xiàn)出了這種物理特性上的差別。因此在組合考慮多個巖石物理性質(zhì)參數(shù)后,將會提高巖性判別準確率。經(jīng)過分析,優(yōu)選了自然伽馬、電阻率、聲波、密度、中子曲線的組合來識別巖性,各類巖性測井組合特征如圖1所示。

表1 研究區(qū)火成巖的測井響應特征

圖1 歸一化后不同巖性火成巖測井曲線組合特征

2 神經(jīng)網(wǎng)絡巖性識別方法

神經(jīng)網(wǎng)絡作為一種自適應的模式識別技術,并不需要預先給出有關模式的經(jīng)驗知識和判別函數(shù)。它通過自身的學習機制自動形成所要求的決策區(qū)域。網(wǎng)絡的特性由其拓撲結(jié)構(gòu)、神經(jīng)元特性、學習和訓練規(guī)則所決定。

基于神經(jīng)網(wǎng)絡的巖性判別過程分兩步,首先,基于一定數(shù)量的訓練樣本集對神經(jīng)網(wǎng)絡進行訓練,得到期望的巖性判別網(wǎng)絡,其次,根據(jù)當前的測井組合參數(shù)對巖性進行判別,判別過程即為利用神經(jīng)網(wǎng)絡進行向前計算的過程。

在學習和判別之前,通常需要對判別原始數(shù)據(jù)和訓練樣本數(shù)據(jù)進行適當?shù)奶幚?包括預處理和特征參數(shù)提取,目的是為判別網(wǎng)絡提供合適的判別輸入和訓練樣本。一般來說,三層網(wǎng)絡可以很好的解決巖性這類的問題。利用神經(jīng)網(wǎng)絡判別巖性的步驟如下。

2.1 確定合理的網(wǎng)絡結(jié)構(gòu)和規(guī)模

神經(jīng)網(wǎng)絡確定時,網(wǎng)絡各中間層的神經(jīng)元個數(shù)選擇是網(wǎng)絡結(jié)構(gòu)確定和網(wǎng)絡性能的關鍵。在三層網(wǎng)絡中,隱含層的神經(jīng)元個數(shù)n1和輸入層神經(jīng)元個數(shù)n2之間有以下近似關系:

上式僅是一個近似的關系,最終隱含層的神經(jīng)元個數(shù)并不是固定的,需要經(jīng)過實際訓練的檢驗來不斷調(diào)整。

神經(jīng)網(wǎng)絡輸入的確定實際上是特征量的提取,對于特征量的選取,主要考慮是測井參數(shù)對不同的巖性是否有顯著差異或一定的差異,如果對某一測井參數(shù),不同巖性的該測井值基本重合交織在一起,說明這個測井參數(shù)不能識別巖性,這個測井參數(shù)就不能作為神經(jīng)網(wǎng)絡的輸入。

分析研究區(qū)對于不同巖性巖石差異比較明顯的測井曲線 ,經(jīng)過篩選有 GR、RT、CNL 、DEN 、AC,因此可以確定網(wǎng)絡的輸入層神經(jīng)元個數(shù)為5個,需要判別的巖性有4種,因而輸出神經(jīng)元個數(shù)可以確定為4個。隱含層的神經(jīng)個數(shù)并不是固定的,需要經(jīng)過實際訓練的檢驗來不斷調(diào)整(如圖2)。網(wǎng)絡訓練過程是一個不斷修正權值和閾值的過程,使網(wǎng)絡的輸出誤差達到最小,滿足實際應用要求。

圖2 BP神經(jīng)網(wǎng)絡巖性識別結(jié)構(gòu)

2.2 確定訓練樣本數(shù)據(jù)和測試數(shù)據(jù)

訓練樣本數(shù)據(jù)用于對網(wǎng)絡進行訓練,而測試數(shù)據(jù)用于檢測網(wǎng)絡的訓練效果和推廣能力。一般來說要求訓練樣本數(shù)據(jù)應該全面涵蓋巖性所有的測井特征參數(shù)組合數(shù)據(jù),還要有一定的代表性,并保證學習的有效性。

需要注意的是網(wǎng)絡輸入就是一個5維的向量。這些數(shù)據(jù)具有不同的單位和量級,所以輸入神經(jīng)網(wǎng)絡之前應該首先進行歸一化處理。

由于原始數(shù)據(jù)往往單位不一,取值范圍不同,若直接用原始數(shù)據(jù)計算,會突出那些絕對值大的因子,而壓低絕對值較小的因子的作用,影響處理的結(jié)果,所以進入網(wǎng)絡之前,無論是學習樣本或預測數(shù)據(jù),均需要進行歸一化處理:

式中:x——歸一化后的數(shù)據(jù),X∈[0,1];X——原始數(shù)據(jù);Xmax,Xmin——某條測井曲線的最大值、最小值。

原始測井參數(shù)組合數(shù)據(jù)輸入模式為:

上式中 GR、AC等測井參數(shù)都為歸一化后測井參數(shù)。確定測井組合輸入之后,巖性輸入可以有以下輸入來表示:

2.3 根據(jù)訓練樣本數(shù)據(jù)對網(wǎng)絡進行訓練

經(jīng)過測試的訓練結(jié)果即為神經(jīng)網(wǎng)絡巖性判別知識庫,即可利用網(wǎng)絡進行巖性識別。

2.4 應用

按以上步驟,運用神經(jīng)網(wǎng)絡模式識別方法對CAI25、D5、DX3井的火成巖巖性進行了判別,通過將判別結(jié)果與巖心分析及錄井資料對比,解釋結(jié)果如表2所示,從表2看出火成巖巖性判斷比較準確的,符合率達到85%。從圖3可以看到,神經(jīng)網(wǎng)絡巖性識別結(jié)果(第4欄)與實際巖性剖面(第5欄)基本一致,圖中小毛刺通常表這個深度測井數(shù)據(jù)與巖性測井組合特征數(shù)據(jù)相關性稍低造成的。

3 結(jié)論與認識

本文通過對準噶爾盆地北部地區(qū)石炭系不同巖性火成巖在常規(guī)測井曲線上的特征分析,總結(jié)該地區(qū)各類巖性火成巖的測井曲線特征,提取了測井曲線組合特征參數(shù),通過建立合適的神經(jīng)網(wǎng)絡模型,利用神經(jīng)網(wǎng)絡模式識別技術對火成巖巖性進行了識別,判別準確率較高。

表2 神經(jīng)網(wǎng)絡巖性判別與巖心及錄井分析結(jié)果

圖3 巖性識別結(jié)果與實際巖性對比圖(C井)

[1] 陳鋼花,范宜仁,代詩華.火山巖儲層測井評價技術[J].中國海上油氣(地質(zhì)),2000,(6):422-428.

[2] 王擁軍,冉啟全,童敏,等.ECS測井在火山巖巖性識別中的應用[J].國外測井技術,2006,21(1):13-16.

[3] 張瑩,潘保芝,印長海,等.成像測井圖像在火山巖巖性識別中的應用[J].石油物探,2007,46(3):288-293.

[4] 趙建,高福紅.測井資料交會圖法在火山巖巖性識別中的應用[J].世界地質(zhì),2003,22(2):136-140.

[5] 路鳳香,桑隆康,等.巖石學[M].北京:地質(zhì)出版社,2001:55-60.

P631.842

A

1673-8217(2011)02-0030-03

2010-08-04;改回日期:2010-11-22

陳繼華,1978年生,2003年碩士研究生畢業(yè)于石油大學(北京),現(xiàn)從事測井資料處理解釋技術研究工作。

編輯:彭剛