伊拉克北Rumaila油田白堊系Mishrif組碳酸鹽巖儲層特征與測井分類識別

王玉璽, 劉波, 李揚, 高計縣, 劉建強, 田澤普

(1.北京大學石油與天然氣研究中心, 北京 100871; 2.北京大學地球與空間科學學院, 北京 100871; 3.中國地質大學(北京)地球科學與資源學院, 北京 100871; 4.中聯(lián)煤層氣有限責任公司, 北京 100871)

0 引 言

伊拉克北Rumaila油田白堊系Mishrif組為典型的孔隙型碳酸鹽巖儲層,具有明顯受沉積相帶控制的特點,儲層成巖后改造嚴重,非均質性和各向異性極強[1-2]。前人對碳酸鹽巖儲層的分類已經有過很多研究,主要可以歸結為2大類。一類是基于儲集空間類型及品質的分類,即好、中和差儲層,如Jodry根據孔隙結構與巖石類型相互關系對碳酸鹽巖進行的分類評價并將其劃分為非儲集巖、差的儲集巖、中等儲集巖和好的儲集巖[3];另一類是基于成因的分類,即巖相組合類型,如馮福凱依據碳酸鹽巖所經歷的演化歷史及其主要地質因素將其劃分為5種類型:粒屑灘(礁)型、白云石化-生物礁型、溶蝕孔洞白云(灰)巖型、古風化溶蝕型和裂縫型[4];Smith按巖性將碳酸鹽巖儲層劃分為灰?guī)r型和白云巖型[5];范嘉松將世界碳酸鹽巖儲層劃分為6種類型:不整合面之下型、白云巖型、鮞粒和團粒淺灘型、生物礁型、微孔隙型以及微裂縫型[6];譚茂金等基于雙側向測井利用有限元素法實現(xiàn)了洞穴型碳酸鹽巖儲層的有效識別[7];羅利等分別利用聚類分析法和標準BP神經網絡方法對縫洞型碳酸鹽巖儲層識別進行研究[8-9];司馬立強等利用標準BP神經網絡方法實現(xiàn)了黃玨油田方4井阜一段碎屑巖儲層流動單元的有效識別和預測[10]。諸多數理算法在儲層測井識別的應用中,BP神經網絡法以其優(yōu)良的算法和簡單的結構而具備良好的數據區(qū)分能力和可操作性[11]。

為了有效解決北Rumaila油田Mishrif組碳酸鹽巖儲層的分類與識別,基于研究區(qū)8口取心完備的鉆井,以微相和成巖作用綜合影響下的儲層物性為基礎,建立研究區(qū)的儲層劃分方案。通過進一步詳細分析各類型儲層及其測井響應關系,建立了研究區(qū)的儲層類型-測井相轉化模型,進而基于改進的雙隱層BP神經網絡法,以中子測井均值(MNPHI)、聲波測井均值(MΔt)和密度測井均值(MRHOB)為關鍵識別參數,建立了北Rumaila油田Mishrif組的儲層測井判別模型,實現(xiàn)了對研究區(qū)非取心井儲層類型的準確判別。

1 Mishrif組儲層巖性特征

北Rumaila油田Mishrif組巖石組分以生物碎屑和泥晶基質為主。參照Dunham碳酸鹽巖分類方案[12]以及Eerik Flügel的研究成果[13],依據巖石的支撐結構和顆粒組分含量和后期成巖作用改造結果,研究區(qū)Mishrif組碳酸鹽巖巖石類型可以劃分為泥晶灰?guī)r、含生屑泥晶灰?guī)r、生屑泥晶灰?guī)r、泥晶生屑灰?guī)r、生屑灰?guī)r和云質灰?guī)r6種類型(見圖1)。其中,生屑灰?guī)r和云質灰?guī)r儲集物性最好,泥晶生屑灰?guī)r次之,含生屑泥晶灰?guī)r和生屑泥晶灰?guī)r較差,泥晶灰?guī)r最差。研究區(qū)Mishrif組優(yōu)質儲層段主要發(fā)育于礁灰?guī)r和生屑含量相對較高的生屑灰?guī)r段,其孔隙度一般大于20%,滲透率100～1 000 mD*非法定計量單位,1 mD=9.87×10-4 μm2,下同[14]。

2 Mishrif組儲層儲集空間特征

基于巖心和顯微薄片觀察,北Rumaila油田Mishrif識別出的主要儲集空間類型包括粒間孔、鑄?？?、泥晶間微孔和白云石晶間孔,局部發(fā)育微裂縫、溶蝕縫和壓溶縫合線(見圖1)。儲集空間發(fā)育受多期成巖作用疊合改造:溶蝕作用促進次生粒間孔、鑄模孔和晶間溶孔發(fā)育[見圖1(f)、圖1(g)、圖1(h)];后期膠結作用使儲集空間和孔喉減小,如亮晶方解石沿早期顆粒間溶蝕空間生長[圖1(d)、圖1(g)];壓實壓溶作用和泥晶化作用也是改造儲層孔滲系統(tǒng)的主要因素[15],如壓溶縫合線的形成。研究區(qū)Mishrif組碳酸鹽巖壓溶縫合線非常發(fā)育,縫合線呈鋸齒狀,線密度較大,且縫合線多為未全充填的有效縫[圖1(b)]。該類開啟壓溶縫合線以及微裂縫的發(fā)育是造成北Rumaila油田Mishrif組局部低孔隙度高滲透率儲層的重要因素。壓溶縫合線是一種典型的成巖縫,它是巖石被深埋時上覆沉積物負荷產生壓應力,地下流體對礦物顆粒進行選擇性溶解所致,縫合線的發(fā)育受巖石成分、參與流體、物理化學條件、外部應力等因素疊合控制[16-17]。

圖2 北Rumaila油田Mishrif儲層孔滲特征

3 Mishrif組儲層類型劃分與儲層類型測井相轉換模型

3.1 儲層類型劃分

北Rumaila油田Mishrif組8口取心井1 602個實測孔隙度滲透率樣品統(tǒng)計分析結果顯示,研究區(qū)呈現(xiàn)出明顯的孔隙型儲層的特征[見圖2(a)]。孔隙度主要分布在17%～27%,占所有樣本數的47.88%;0～11%占24.78%;11%～17%占19.85%;27%以上占7.49%[見圖2(b)]。滲透率主要分布在0.1～10 mD,占所有樣本數的54.06%;10～100 mD占27.34%,100～1 000 mD占10.55%;小于0.1 mD占8.05%[見圖2(c)]。

研究區(qū)Mishrif組儲集空間發(fā)育和物性分布具有明顯受沉積相態(tài)展布和后期成巖作用改造控制的特征。沉積相態(tài)發(fā)育方面,主要發(fā)育瀉湖生屑泥晶灰?guī)r微相、灘后生屑泥晶灰?guī)r微相、生屑灘生屑灰?guī)r微相、生物礁灰?guī)r微相、灘前泥晶生屑灰?guī)r微相和淺水陸棚泥晶灰?guī)r微相。生屑灘生屑灰?guī)r微相發(fā)育優(yōu)質儲層;灘前泥晶生屑灰?guī)r微相和灘后生屑泥晶灰?guī)r微相發(fā)育好儲層;瀉湖生屑泥晶灰?guī)r微相發(fā)育較差儲層;淺水陸棚泥晶灰?guī)r微相發(fā)育差儲層。

在繼承沉積環(huán)境的基礎上,成巖作用對研究區(qū)Mishrif組碳酸鹽巖儲層后期改造十分強烈,主要體現(xiàn)在差異性膠結作用和差異性溶蝕作用2個方面。其強弱程度是控制研究區(qū)Mishrif組儲層主要儲集空間類型(粒間溶孔和鑄?？?發(fā)育的重要因素?？紤]成巖作用這一影響因素,按照強溶蝕、弱溶蝕、弱膠結和強膠結對碳酸鹽巖儲層的改造程度,可以將強溶蝕作用主導下粒間溶孔和鑄?？装l(fā)育的生屑灘生屑灰?guī)r微相相區(qū)間定為優(yōu)質儲層;弱溶蝕作用主導下粒間孔和鑄?？装l(fā)育的生屑灘生屑灰?guī)r微相和灘前泥晶生屑灰?guī)r微相區(qū)間定為好儲層;弱膠結作用主導下部分原生孔隙被膠結的灘后生屑泥晶灰?guī)r微相和瀉湖生屑泥晶灰?guī)r微相區(qū)間定為較差儲層;強膠結作用主導下原生粒間孔全部被膠結封閉的生物礁灰?guī)r相區(qū)間定為差儲層。此外,淺水陸棚相主導的區(qū)間,由于受泥晶灰?guī)r巖石類型的制約,溶蝕孔發(fā)育很弱,仍表現(xiàn)為致密的非儲層特征,為差儲層。

綜合考慮微相與儲層的繼承性關系以及成巖作用對儲層的后期改造,以微相和成巖作用綜合控制下的儲層物性結果為基礎,將北Rumaila油田Mishrif組碳酸鹽巖儲層劃分為4類、8個亞類[見圖2(a)、表1]。其中,I類儲層為優(yōu)質儲層,II儲層為好儲層,III類儲層為較差儲層,IV類儲層為差儲層(或非儲層)?；谠搩宇愋蛣澐址桨?實現(xiàn)了對北Rumaila油田Mishrif組8口取心井儲層類型的準確識別和分類。雖然北Rumaila油田Mishrif組碳酸鹽巖儲層整體為孔隙型碳酸鹽巖儲層特征,但是微裂縫、溶蝕縫和壓溶縫的局部發(fā)育是形成中孔隙度高滲透率型儲層和低孔隙度高滲透率型儲層的重要原因。如,瀉湖生屑泥晶灰?guī)r微相雖然由于強膠結作用而儲集空間較差,但裂縫的發(fā)育仍使其具有一定的滲流能力,從而形成低孔隙度高滲透率型儲層。在認識該類儲層時,裂縫因素值得深入探究。

表1 北Rumaila油田Mishrif組儲層分類及特征

3.2 儲層類型與測井相轉換模型

與碎屑巖儲層相比,碳酸鹽巖儲層具有儲集空間類型多、測井響應特征變化大、儲層非均質性強(特別是裂縫型和洞穴型儲層)、測井響應與儲層物性對應關系差以及真假儲層測井響應特征相似等特點。這些因素制約著碳酸鹽巖儲層的測井劃分[18],易造成錯劃或漏劃儲層。基于測井的碳酸鹽巖儲層劃分需要充分利用各種測井資料,分析不同儲層類型的測井響應特征,為后續(xù)的儲層識別奠定基礎。基于已定儲層劃分方案,以及研究區(qū)Mishrif組8口取心井儲層類型的精確識別,總結了研究區(qū)Mishrif各儲層類型的測井響應特征,建立了相應的儲層類型與測井相轉換模型(見圖3)。

圖3 北Rumaila油田Mishrif組儲層類型與測井相轉換模型

碳酸鹽巖巖石物理特征是儲層測井響應評價的物理基礎,不同類型的儲層由于其巖石類型和儲集空間類型的不同而具有各異的測井響應特征。Ⅰ類儲層和II類儲層巖石類型主要為顆?；?guī)r和顆粒云質灰?guī)r,灰?guī)r程度較高,呈現(xiàn)出低自然伽馬值和高電阻率值的特點;另一方面,I類儲層和Ⅱ類儲層遭受的溶蝕作用強,發(fā)育大量的粒間孔、鑄?？缀腿芪g孔,孔隙性好,呈現(xiàn)出中-高中子值、高聲波時差值和低-中密度值的特點。Ⅲ類和Ⅳ類儲層巖石類型以細顆粒含球粒泥質灰?guī)r和含泥含顆粒云質灰?guī)r為主,灰?guī)r純度較低且泥質含量較高,呈現(xiàn)出高自然伽馬值和低-中電阻率值的特點;另一方面,Ⅲ類儲層和Ⅳ類儲層遭受的膠結程度強,以發(fā)育微孔和殘余的粒間孔和鑄?？诪橹?孔隙性較差,呈現(xiàn)出低中子值、低聲波時差值和高密度的特點(見圖3)。

4 基于BP神經網絡方法的儲層測井判別模型

儲層類型與測井數據對比結果顯示,中子測井平均值(MNPHI)、聲波測井平均值(MΔt)和密度測井平均值(MRHOB)具有很好的儲層測井區(qū)分度,選取了MNPHI、MΔt和MRHOB作為建立儲層測井判別模型的關鍵測井識別參數。

研究區(qū)微相測井定量識別方法研究成果顯示,改良的雙隱層的BP神經網絡方法具有較高的數據區(qū)分精度和較好的可操作性[11]。采用改良的雙隱層BP神經網絡方法[見圖4(A)]建立研究區(qū)儲層的測井判別模型,并選取識別出的100個典型儲層樣本中的86個作為訓練樣本對模型進行訓練,另外的14個樣本作為檢驗樣本對模型的判別效果進行檢驗。所采用BP神經網絡的隱層節(jié)點數目分別為20和40,學習速率為0.01,訓練精度為0.001,訓練函數為彈性梯度下降法,迭代次數分別選用20 000、30 000、40 000次和50 000次進行訓練。

圖4 BP神經網絡儲層預測模型與預測結果對比圖

最終的模型訓練結果和預測結果顯示,迭代次數為30 000次的儲層判別模型的預測率最高,達85.71%,回判率達93.02% [見圖4(B)]。 基于該儲層判別模型,對非建模井R027井Mishrif組儲層段進行了精細識別,儲層預測率達89.47%(見圖5)。

5 討論與分析

將基于取心井取得的地質認識與測井數據進行良好的匹配是建立儲層測井判別模型的關鍵。能否選取具有較高儲層區(qū)分能力的測井參數組合是制約判別模型精度高低的重要因素,且選取的參數應具有較強的可操作性。本文選取3個測井參數建立了較高精度的判別模型,且該3類參數是研究區(qū)各單井均具備的常規(guī)測井資料,因而可操作性較強。

當測井參數組合識別能力有限時,可以適當增加測井參數類型,或者利用主成分分析法(PCA)等聚類方法構建結合更多測井信息的擬合參數[19]。但是,并非多的測井參數就能夠建立高精度的儲層判別模型,高精度儲層測井判別模型的建立必須是在詳盡的地質分析和儲層測井響應分析基礎上的。數理方法的應用在一定程度上是為了增強不同儲層類型間的區(qū)分度,進而實現(xiàn)儲層的有效識別。

6 結 論

(1) 北Rumaila油田Mishrif組孔隙型碳酸鹽巖儲層以發(fā)育粒間(溶)孔、鑄?？缀途чg孔為主要特征,儲層特征受微相展布及后期成巖作用控制。

(2) 在儲層類型劃分基礎上,分析與各類儲層相關的微相類型、成巖作用強度、巖石類型、孔隙空間類型及其測井響應特征,提取中子測井均值(MNPHI)、聲波測井均值(MΔt)和密度測井均值(MRHOB)作為表征各類儲層差異的典型測井響應參數,建立儲層類型-測井相轉換模型。

(3) 以沉積和成巖作用綜合控制下的儲層類型劃分方案為基礎,利用取心井資料建立儲層類型-測井相轉化模型,采用改進的BP神經網絡算法,建立儲層類型判別模型的方法,有效實現(xiàn)了碳酸鹽巖儲層測井精細描述,為北Rumaila油田Mishrif組非取心井的儲層判別及其分布特征研究奠定了基礎。

參考文獻:

[1] 高計縣, 田昌炳, 張為民, 等. 波斯灣盆地中白堊統(tǒng)Mishrif組碳酸鹽巖儲層特征及其發(fā)育模式 [J]. 地質科學, 2013, 48(1): 304-316.

[2] 王玉璽, 田昌炳, 高計縣, 等. 常規(guī)測井資料定量解釋碳酸鹽巖微相——以伊拉克北Rumaila油田Mishrif組為例 [J]. 石油學報, 2013, 34(6): 1088-1099.

[3] 彭靖松. 龍門山中北段前緣及鄰區(qū)中三疊統(tǒng)儲層研究 [M]. 成都理工大學, 2009.

[4] 馮福凱, 王庭斌, 張士亞, 等. 中國天然氣地質 [M]. 北京: 地質出版社, 1995: 281-230.

[5] Smith L B, Eberli G P, Masaferro J L, et al. Discrimination of Effective from Ineffective Porosity in Heterogeneous Cretaceous Carbonates, Al Ghubar Field, Oman [J]. AAPG Bulletin, 2003, 87(9): 1509-1529.

[6] 范嘉松. 世界碳酸鹽巖油氣田的儲層特征及其成藏的主要控制因素 [J]. 地學前緣, 2005, 12(3): 23-30.

[7] Tan Maojin, Gao Jie, Wang Xiaochang, et al. Numerical Simulation of the Dual Laterlog for Carbonate Cave Reservoirs and Response Characteristics [J]. Applied Geophysics, 2011, 8(1): 79-85.

[8] 羅利, 任興國. 測井識別碳酸鹽巖儲集類型 [J]. 測井技術, 1999, 23(5): 355-360.

[9] 羅利, 胡培毅, 周癥英. 碳酸鹽巖裂縫測井識別方法 [J]. 石油學報, 2001, 22(3): 032-035.

[10] 司馬立強, 肖華, 袁龍, 等. 基于BP神經網絡技術的儲層流動單元研究 [J]. 測井技術, 2012, 36(4): 421-425.

[11] Wang Yuxi, Liu Bo, Gao Jixian, et al. Quantitative Recognition of Carbonate Microfacies Based on an Improved BP Neural Network [J]. Journal of Central South University, 2014 (Accepted).

[12] Dunham, R J. Classification of Carbonate Rocks According to Their Depositional Texture, in W. E. Ham, ed. [J]. Classification of Carbonate Rocks-a Symposium: Tulsa, OK, American Association of Petroleum Geologists Memoir 1, 1962: 108-121.

[13] Erik F. Microfacies of Carbonate Rocks: Analysis, Interpretation and Application [M]. 2nd Edition. Springer, 2010: 279-280.

[14] Al-Ameri T K, Al-Khafaji A J, Zumberge J. Petroleum System Analysis of the Mishrif Reservoir in the Ratawi, Zubair, North and South Rumaila Oil Fields, Southern Iraq [J]. Geo Arabia, 2009, 14(4): 91-108.

[15] Aqrawi A A M, Thehni G A, Sherwani G H, et al. Mid-cretaceous Rudist-bearing Carbonates of the Mishrif Formation: An Important Reservoir Sequence in the Mesopotamian Basin [J]. Journal of Petroleum Geology, 1998, 21: 57-82.

[16] 趙明, 樊太亮, 于炳松, 等. 塔中地區(qū)奧陶系碳酸鹽巖儲層裂縫發(fā)育特征及主控因素 [J]. 現(xiàn)代地質, 2009, 23(4)709-718.

[17] 趙健, 羅根明, 曾作勛, 等. 縫合線研究的新進展-以湖北大冶鐵山地區(qū)為例 [J]. 現(xiàn)代地質, 2006, 19(4): 501-507.

[18] 司馬立強, 疏壯志. 碳酸鹽巖儲層測井評價方法及應用 [M]. 北京: 石油工業(yè)出版社, 2009: 80-81.

[19] 申波, 毛志強, 樊海濤, 等. 基于主成分分析技術計算蝕變地層孔隙度的新方法 [J]. 測井技術, 2012, 36(2): 130-134.