黃驊坳陷灘海地區(qū)低滲透儲層分類方法研究——以埕海油田二區(qū)沙河街組二段為例

張憲國（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東 青島 266580）

張濤（山東科技大學(xué)地質(zhì)科學(xué)與工程學(xué)院，山東 青島 266590）

隨著油藏開發(fā)的不斷深入，低滲透油藏成為我國油氣增儲上產(chǎn)的研究熱點(diǎn)，如何通過儲層分類來尋找相對優(yōu)質(zhì)儲層是低滲透油藏勘探開發(fā)的關(guān)鍵。陸上老油田密井網(wǎng)區(qū)的低滲透儲層分類評價(jià)方法已比較成熟［1～3］，但對于井網(wǎng)和資料條件特殊的灘海及海上油田，基于常規(guī)測井資料的低滲透儲層分類評價(jià)方法還相對匱乏。筆者旨在探討如何利用神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)基于常規(guī)測井資料的低滲透儲層分類評價(jià)，為尋找低滲透油藏中的相對優(yōu)質(zhì)儲層、實(shí)現(xiàn)高效開發(fā)提供支持。

1 研究區(qū)地質(zhì)概況

埕海油田二區(qū)地處河北省黃驊市灘涂海域，構(gòu)造上位于埕寧隆起北坡埕北斷階帶，北鄰歧口凹陷，南鄰羊二莊油田和趙東開發(fā)區(qū)，西側(cè)以張北斷層為界，東側(cè)以一淺鞍與張東東開發(fā)區(qū)相連，構(gòu)造面積75km2。鉆井揭示的地層由下至上發(fā)育上古生界二疊系，中生界三疊系、中下侏羅統(tǒng)，新生界古近系沙河街組、東營組和新近系館陶組、明化鎮(zhèn)組及第四系平原組［4］，其中沙河街組是主力的含油層段，也是典型的低滲透儲層發(fā)育段。

該研究選取沙河街組二段（Es2）低滲透儲層為例。Es2發(fā)育三角洲前緣席狀砂和水下分流間灣沉積，砂泥巖交互，薄互層發(fā)育。主要巖石類型為巖屑長石砂巖，粒度整體偏細(xì)。由于長石易碎和易溶性，巖石中較高的長石含量反映了礦物成熟度低的特點(diǎn)，對低滲透儲層的形成具有重要的意義［5］。儲層孔隙度為5%～20%，滲透率為0.01～5mD，屬于中低孔低滲儲層。

2 低滲透儲層分類方法

在灘海地區(qū)特殊的地理環(huán)境下，以 “大斜度井為主、井點(diǎn)稀疏、井網(wǎng)不規(guī)則”的特點(diǎn)限制了資料的錄取，成為制約灘海地區(qū)儲層測井評價(jià)的重要因素。陸上油田建立的低滲透儲層分類方法是基于大量井點(diǎn)取樣分析數(shù)據(jù)統(tǒng)計(jì)規(guī)律的。筆者根據(jù)灘海地區(qū)的實(shí)際資料情況，在基于統(tǒng)計(jì)的單因素評價(jià)和多因素評價(jià)的基礎(chǔ)上，采用誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)算法，結(jié)合多學(xué)科、多信息開展研究區(qū)的儲層分類評價(jià)。

2.1 基于巖性識別的儲層分類評價(jià)標(biāo)準(zhǔn)

研究區(qū)細(xì)砂巖、粉砂巖和泥巖交互沉積的薄互層對儲層物性影響較大，因此開展儲層巖性識別是研究區(qū)儲層測井綜合評價(jià)的基礎(chǔ)［6］。以巖心分析資料為基礎(chǔ)，利用聲波時(shí)差和補(bǔ)償中子進(jìn)行交會分析發(fā)現(xiàn)，上述幾種巖性的測井響應(yīng)特征存在差別，不同巖性的數(shù)據(jù)點(diǎn)分布在交會圖的不同區(qū)域（圖1），這為利用測井響應(yīng)特征識別巖性提供了可能。

由于研究區(qū)儲層主要的巖石類型是細(xì)砂巖和粉砂巖，所以利用測井資料將二者區(qū)分開是從巖性的角度開展測井儲層評價(jià)的首要任務(wù)?？紤]到深側(cè)向電阻率（ρlld）與淺側(cè)向電阻率（ρlls）的差值與儲層滲透性相關(guān)，同時(shí)分類應(yīng)遵循簡單易于操作的原則，圖1中聲波時(shí)差（Δt）和補(bǔ)償中子（nc）交會雖然能很好地區(qū)分巖性，但由于該區(qū)只有部分井進(jìn)行了補(bǔ)償中子測井，無法采用該方法對全區(qū)井點(diǎn)進(jìn)行測井巖性識別。因此改用Es2儲層分析樣品點(diǎn)的（ρlld－ρlls）與自然伽馬（qAPI）進(jìn)行交匯分析。從分析結(jié)果看，不同巖性的樣點(diǎn)在交會圖上區(qū)分較好（圖2），從而建立如下的測井巖性判別標(biāo)準(zhǔn)。

粉砂巖儲層：ρlld－ρlls＜0.8Ω·m，qAPI＝70～85API。細(xì)砂巖儲層：ρlld－ρlls＞0.8Ω·m，qAPI＝50～72API。

圖1 不同巖性儲層的Δt－nc測井交會特征

圖2 儲層巖性識別標(biāo)準(zhǔn)的建立

2.2 儲層巖性－物性分類評價(jià)標(biāo)準(zhǔn)

巖性和物性是研究區(qū)儲層含油性的主要影響因素，可以將其作為儲層分類評價(jià)的重要指標(biāo)［7］。在巖性測井識別的基礎(chǔ)上，以試油資料為基礎(chǔ)，結(jié)合儲層評價(jià)規(guī)范，選取儲層砂巖的厚度、巖性和物性等參數(shù)，建立研究區(qū)低滲透儲層的巖性－物性分類標(biāo)準(zhǔn)。

前人在該區(qū)研究中，利用折算的單位厚度、試油日產(chǎn)作為儲層分類依據(jù)，一類儲層試油每10m日產(chǎn)折算大于1t，二類儲層試油每10m日產(chǎn)折算5～10t，三類儲層試油每10m日產(chǎn)折算小于5t。這種標(biāo)準(zhǔn)簡單易操作，而且可以直接應(yīng)用于生產(chǎn)。但是，該方法只適用于有試油資料的層段和井，對大部分井和井段不能用該方法進(jìn)行儲層分類評價(jià)。為此，筆者在上述儲層分類的試油標(biāo)準(zhǔn)基礎(chǔ)上，對典型試油井段儲層的巖性、物性及有效厚度進(jìn)行統(tǒng)計(jì)，并結(jié)合儲層評價(jià)規(guī)范，建立了如下適用性更強(qiáng)的儲層分類標(biāo)準(zhǔn)。

一類儲層：孔隙度＞15%，滲透率＞4mD，儲層有效厚度＞4m，巖性主要是細(xì)砂巖（圖3（a））。

二類儲層：15%≥孔隙度＞10%，4mD≥滲透率＞1.5mD，儲層有效厚度＞2m，巖性主要為細(xì)砂巖（圖3（b））。

三類儲層：10%≥孔隙度＞8%，1.5mD≥滲透率＞0.1mD，儲層有效厚度＞2m，巖性主要為粉砂巖（圖3（c））。

該方法建立的低滲透儲層巖性－物性分類標(biāo)準(zhǔn)實(shí)現(xiàn)了非取心井段的儲層分類，但由于滲透率的測井解釋誤差往往較大，精確度不高，會對儲層的分類結(jié)果產(chǎn)生影響。此外，對于復(fù)雜低滲透儲層來說，其儲層質(zhì)量的影響因素很多，上述方法難以綜合考慮多種因素的影響。

2.3 基于神經(jīng)網(wǎng)絡(luò)的儲層分類方法

傳統(tǒng)的基于統(tǒng)計(jì)的儲層分類方法雖然簡便、易操作，但它是一種線性判別，很難準(zhǔn)確描述低滲透儲層中多種復(fù)雜因素的影響［8］。與之相比，誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)判別作為一種非線性判別方法，在判別中考慮了更多的因素，而且判別速度比傳統(tǒng)基于統(tǒng)計(jì)的判別更具優(yōu)勢。筆者將誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)應(yīng)用于研究區(qū)儲層分類評價(jià)，利用試油資料判別的典型的一類、二類和三類儲層信息，建立儲層分類訓(xùn)練數(shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對儲層進(jìn)行分類判別。

2.3.1 BP神經(jīng)網(wǎng)絡(luò)儲層分類的原理

誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)（back propagation network） 又 稱 為BP神經(jīng)網(wǎng)絡(luò)，它是一種多層的階層型神經(jīng)網(wǎng)絡(luò)，包括輸入層、中間部分的隱含層和輸出層，不同層使用的神經(jīng)元類型不同，通常在隱含層使用S形神經(jīng)元，而在輸出層使用線性神經(jīng)元。該神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是不同層之間的神經(jīng)元垂向連接，而同一層內(nèi)的神經(jīng)元之間不進(jìn)行連接［9］。當(dāng)學(xué)習(xí)數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)后，神經(jīng)元的激活值按照 “輸入層－中間層－輸出層”的順序傳播，在輸出層的每個神經(jīng)元獲得一個響應(yīng)。之后，逐層修正各連接權(quán)，以減小期望輸出與實(shí)際輸出的誤差，最后再回到輸入層。在這一過程中，神經(jīng)網(wǎng)絡(luò)對輸入學(xué)習(xí)數(shù)據(jù)所反映的模式響應(yīng)正確率逐漸提高，最終使誤差穩(wěn)定在一個可以接受的足夠小的值［10］。由于存在這一修改連接權(quán)值的過程，因此上述方法被稱為 “誤差逆?zhèn)鞑ニ惴ā薄?/p>

基于BP神經(jīng)網(wǎng)絡(luò)的儲層分類基本流程包括訓(xùn)練數(shù)據(jù)的準(zhǔn)備、神經(jīng)網(wǎng)絡(luò)的建立和全井段的儲層神經(jīng)網(wǎng)絡(luò)分類三步。研究區(qū)低滲透儲層分類主要采用測井?dāng)?shù)據(jù)，分類計(jì)算的復(fù)雜程度較低，已有的研究證實(shí)，三層的網(wǎng)絡(luò)模型可以分割成任意復(fù)雜的平面，能夠滿足本研究的需要［11］。在進(jìn)行訓(xùn)練之前，對神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，利用0～1內(nèi)分布均勻的隨機(jī)數(shù)對連接權(quán)重和閾值賦初值，得到初始神經(jīng)網(wǎng)絡(luò)模型。

2.3.2 研究區(qū)儲層分類

神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的準(zhǔn)備是儲層分類的第一步。筆者以取心段和試油井段的儲層巖性－物性分類為基礎(chǔ)，綜合考慮試油結(jié)果、巖性、物性和電性特征，利用已建立的儲層巖性－物性儲層分類標(biāo)準(zhǔn)，制作了三類典型儲層的訓(xùn)練樣本。

研究區(qū)非取心段只有常規(guī)測井資料，根據(jù)該區(qū)巖性控制低滲透儲層發(fā)育的特點(diǎn)，選取反映儲層巖性、物性及含油性的聲波時(shí)差（Δt）、自然伽馬（qAPI）、深淺側(cè)向電阻率及測井解釋孔隙度（）等測井參數(shù)作為儲層分類判別參數(shù)。從神經(jīng)網(wǎng)絡(luò)訓(xùn)練情況來看（圖4），以上述測井參數(shù)為判別參數(shù)建立的神經(jīng)網(wǎng)絡(luò)在經(jīng)過5次迭代之后快速收斂；經(jīng)過32次迭代后，誤差已經(jīng)降至10－2；在迭代41次后，誤差已經(jīng)逼近預(yù)期設(shè)定的最小值；之后繼續(xù)迭代收斂速度減緩。因此，筆者建立的神經(jīng)網(wǎng)絡(luò)具有迭代次數(shù)少，收斂快的特點(diǎn)，這說明選取的儲層分類評價(jià)參數(shù)能夠全面反映研究區(qū)低滲透儲層特征。

為了進(jìn)一步檢驗(yàn)所建立的神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性和判別結(jié)果的可靠性，利用訓(xùn)練數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行自檢驗(yàn)。檢驗(yàn)結(jié)果顯示，神經(jīng)網(wǎng)絡(luò)的判別結(jié)果與訓(xùn)練數(shù)據(jù)的儲層分類結(jié)果一致性好（圖5），說明建立的神經(jīng)網(wǎng)絡(luò)穩(wěn)定性好，能夠用于研究區(qū)的低滲透儲層分類評價(jià)。將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)應(yīng)用于研究區(qū)Zh6井，對該井Es2儲層進(jìn)行分類評價(jià)（圖6），識別出三類儲層的發(fā)育位置。從評價(jià)結(jié)果看，該井Es2一類和二類儲層都較為發(fā)育，以二類儲層為主，三類儲層發(fā)育少，且主要在目的層中上部以薄層形式發(fā)育。這一結(jié)果顯示，在Zh6井附近Es2儲層發(fā)育較好，屬于低滲透儲層中的相對優(yōu)質(zhì)儲層，為下一步尋找相對優(yōu)質(zhì)儲層和Es2油藏開發(fā)調(diào)整提供了儲層評價(jià)方法和調(diào)整地質(zhì)依據(jù)。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)收斂情況

圖5 研究區(qū)神經(jīng)網(wǎng)絡(luò)訓(xùn)練自檢驗(yàn)情況

圖6 儲層分類神經(jīng)網(wǎng)絡(luò)判別結(jié)果（Zh6井）

3 結(jié)論

1）利用取心段巖性及物性分析資料建立了研究區(qū)低滲透儲層的分類標(biāo)準(zhǔn)：一類儲層孔隙度大于15%，滲透率大于4mD，儲層有效厚度大于4m，巖性主要是細(xì)砂巖；二類儲層孔隙度為10%～15%，滲透率大于1.5mD，儲層有效厚度大于2m，巖性主要為細(xì)砂巖；三類儲層孔隙度為8%～10%，滲透率大于0.1mD，儲層有效厚度大于2m，巖性主要為粉砂巖。

2）針對研究區(qū)取心資料少，井點(diǎn)稀疏，而低滲透儲層電性特征不明顯、成因控制因素復(fù)雜的特點(diǎn)，考慮儲層巖性、電性、物性等因素，采用誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)，綜合反映上述因素的測井參數(shù)，實(shí)現(xiàn)了低滲透儲層的多因素綜合分類評價(jià)。

［1］謝然紅，肖立志，張建民，等 .低滲透儲層特征與測井評價(jià)方法 ［J］.中國石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，30（1）：47～55.

［2］宋子齊，程國建，楊立雷，等 .利用測井資料精細(xì)評價(jià)特低滲透儲層的方法 ［J］.石油實(shí)驗(yàn)地質(zhì)，2006，28（6）：595～599.

［3］楊曉萍，趙文智，鄒才能，等 .低滲透儲層成因機(jī)理及優(yōu)質(zhì)儲層形成與分布 ［J］.石油學(xué)報(bào)，2007，28（4）：57～61.

［4］張憲國，林承焰，張濤，等 .大港灘海地區(qū)地震沉積學(xué)研究 ［J］.石油勘探與開發(fā)，2011，38（1）：40～46.

［5］曾大乾，李淑貞 .中國低滲透砂巖儲層類型及地質(zhì)特征 ［J］.石油學(xué)報(bào)，1994，15（1）：38～45.

［6］熊偉，劉華勛，高樹生，等 .低滲透儲層特征研究 ［J］.西南石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，31（5）：90～92.

［7］裘亦楠，薛書浩 .油氣儲層評價(jià)技術(shù) ［M］.北京：石油工業(yè)出版社，1997.71～96.

［8］楊少春，信全鱗 .斷塊油藏的測井儲層評價(jià) ［J］.石油與天然氣地質(zhì)，1999，20（1）：86～89.

［9］智慧文，黃科 .基于神經(jīng)網(wǎng)絡(luò)的儲層識別處理技術(shù)及在塔河油田的應(yīng)用 ［J］.物探化探計(jì)算技術(shù)，2006，28（1）：19～21.

［10］伍澤云，陳振標(biāo)，王曉光，等 .自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)技術(shù)在超低滲透儲層分類中的應(yīng)用 ［J］.測井技術(shù)，2009，33（6）：544～546.

［11］張濤 .大港灘海地區(qū)沙河街組儲層測井評價(jià) ［D］.青島：中國石油大學(xué)（華東），2009.76～79.