核磁共振測井技術在致密油儲層評價中的應用研究

成志剛, 吳有彬, 李戈理, 林偉川, 席輝

(中國石油集團測井有限公司油氣評價中心, 陜西 西安 710077)

0 引 言

致密油是指以吸附或者游離狀態(tài)賦存于生油巖中或與生油巖緊鄰的致密砂巖、致密碳酸鹽巖等儲集巖中未經(jīng)過大規(guī)模長距離運移的石油聚集[1]。中國致密油分布廣泛,在鄂爾多斯盆地三疊系延長組長6—長7段、準噶爾盆地二疊系蘆草溝組、四川盆地中-下侏羅統(tǒng)、松遼盆地白堊系青山口組-泉頭組等都獲得了重要的勘探發(fā)現(xiàn)[2]。致密油儲層物性差、孔隙結構復雜、非均質性強,僅僅依靠常規(guī)測井資料難以正確評價。核磁共振測井[3-4]是評價復雜儲層和非常規(guī)儲層的重要手段,但致密油儲層中核磁共振測井信號較為微弱,受噪聲影響較大,導致核磁共振測井在該類儲層中應用效果不佳。只要在核磁共振測井數(shù)據(jù)處理、綜合分析等方面做到有針對性,核磁共振測井就能在致密油儲層中發(fā)揮優(yōu)勢。本文針對這一難題,將基于小波域自適應濾波方法應用于核磁共振測井降噪處理,提高致密油儲層核磁共振測井數(shù)據(jù)的信噪比;在此基礎上,提出動態(tài)T2截止值計算方法,提高了致密油儲層核磁共振物性參數(shù)計算精度;提出了核磁共振流體指示參數(shù)法和核磁共振T2幾何均值重疊法,有效提高了儲層流體識別的準確性。

1 核磁共振測井降噪處理方法

1.1 方法原理

信號經(jīng)過小波變換[5],有用信號主要集中在低頻系數(shù),其幅值大,數(shù)目少;噪聲主要集中在高頻系數(shù),其幅值小,數(shù)目多。小波閾值降噪方法[6]通過選擇合適的閾值,將小于該閾值的系數(shù)置零而保留大于該閾值的系數(shù),使噪聲得到有效抑制,再進行小波逆變換,得到小波閾值降噪信號。

自適應濾波方法[7]利用前一時刻已獲得的濾波器參數(shù)自動調(diào)節(jié)現(xiàn)時刻的濾波器參數(shù),以適應信號和噪聲未知的或隨時間變化的統(tǒng)計特性,從而實現(xiàn)最佳濾波。采用橫向結構的有限脈沖響應的濾波器形式實現(xiàn)自適應濾波是常用的方法,其表達式

y(n)=w(n)xT(n)

(1)

式中,x(n)為n時刻輸入信號值;y(n)為n時刻輸出信號值;w(n)為濾波器系數(shù),w(n)=[w1,w2,…,wL],x(n)=[x(n),x(n-1),…,x(n-L+1)],L為自適應濾波器權系數(shù)個數(shù)。

LMS算法[8]基本原理是調(diào)節(jié)加權系數(shù)w(n),使均方誤差最小。LMS算法基于最陡下降法的原理,下一個加權系數(shù)w(n+1)等于現(xiàn)在的加權系數(shù)w(n)加上一個正比于梯度(n)的負值變換,即

w(n+1)=w(n)-μ(n)

(2)

式中

(n)=?[e2(n)]?w(n)

(3)

由此可得LMS算法的迭代公式

e(n)=f(n)-xT(n)w(n)

(4)

w(n+1)=w(n)+2μe(n)x(n)

(5)

式中,μ為步長因子;f(n)為參考信號。

LMS算法的收斂性很大程度上依賴于輸入信號自相關矩陣特征值的發(fā)散程度。輸入信號自相關矩陣特征值的發(fā)散程度越小,LMS算法的收斂性能越好,對輸入信號作某些正交變換后,輸入信號自相關矩陣特征值的發(fā)散程度會變小[9]。小波域自適應濾波方法[10]先將輸入信號與經(jīng)小波閾值降噪后得到的參考信號分別通過小波變換進行多尺度分解,然后在小波域內(nèi)對所分解的小波系數(shù)進行自適應濾波,最后將濾波后的系數(shù)通過小波重構得到降噪后的信號。其算法實現(xiàn)步驟見圖1。

(1) 選取小波基函數(shù)ψ1,將加載的信號f通過小波變換進行分解,通過閾值降噪方法對分解后的小波系數(shù)進行處理,再將處理后的小波系數(shù)通過小波重構得到小波閾值降噪后的信號f1。

(2) 選取小波基函數(shù)ψ2,分別將加載的信號f以及小波閾值降噪后的信號f1通過小波變換進行分解,將得到的小波系數(shù)分別作為自適應濾波器的輸入信號與參考信號。

(3) 通過輸入信號與參考信號之間的誤差自動調(diào)節(jié)自適應濾波器的加權系數(shù),從而實現(xiàn)最優(yōu)濾波,將濾波后的系數(shù)進行小波重構得到小波域自適應濾波降噪后的信號f2。

圖1 小波域自適應濾波方法的基本流程

1.2 應用效果

對某致密油儲層的核磁共振測井數(shù)據(jù)運用小波域自適應濾波方法進行降噪處理,降噪前后反演結果及物性參數(shù)計算結果見圖2。第5、第6道分別為降噪前后反演的T2譜,降噪后T2譜比降噪前T2譜的幅度要略高;第7、第8道的桿狀條為巖心分析孔隙度、滲透率,藍色線為降噪前計算的孔隙度與滲透率,紅色線為降噪后計算的孔隙度與滲透率。降噪前計算孔隙度要小于巖心分析孔隙度,滲透率要大于巖心分析滲透率;通過小波域自適應濾波方法降噪后計算的孔隙度和滲透率同巖心分析結果有更好的一致性,說明小波域自適應濾波方法能夠有效提高核磁共振測井物性參數(shù)的計算精度。

圖3是另一口致密油井的降噪處理實例。該井核磁共振觀測模式選用D9TW。圖3中第5、第6道為降噪前的長、短等待時間Tw的T2譜分布;第7道為降噪前的差譜信號;第8、第9道為降噪后的長、短等待時間Tw的T2譜分布;第10道為降噪后的差譜信號。圖3中,降噪前39、44、45、46號層基本無差譜顯示,經(jīng)過降噪處理后,39、44、45、46號層均有一定的差譜顯示,綜合解釋為油層。對39號層與44號層進行合試,日產(chǎn)油5.35 t,不產(chǎn)水。

核磁共振測井數(shù)據(jù)經(jīng)小波域自適應濾波降噪處理后能夠提高流體識別的準確性。

致密油儲層中核磁共振測井數(shù)據(jù)的信噪比較低,利用核磁共振進行物性參數(shù)計算和流體識別存在一定誤差。利用小波域自適應濾波方法對核磁共振測井數(shù)據(jù)進行降噪處理可以提高致密油儲層核磁共振測井的物性參數(shù)計算結果和增強流體識別的準確性。

圖2 核磁共振測井降噪處理前后物性參數(shù)計算結果*非法定計量單位,1 mD=9.87×10-4 μm2,下同

圖3 核磁共振測井降噪處理前后流體識別效果對比

2 核磁共振動態(tài)T2截止值計算方法

2.1 方法原理

核磁共振T2譜上不同的弛豫時間對應不同的孔隙區(qū)間,總孔隙度可以通過T2譜面積計算[11];核磁共振測井還可以表征巖石的孔隙結構,用其估算滲透率在理論上具有優(yōu)勢。核磁共振測井計算滲透率最常用的模型是Coates模型[12]。如果準確知道儲層核磁共振T2截止值,就可以準確求取地層滲透率。實際資料處理中一般采用統(tǒng)一T2截止值進行處理,如果區(qū)域T2截止值變化范圍很大,會造成實際計算滲透率有所偏差。

T2譜的展布范圍以及出現(xiàn)峰值的時間是巖心孔隙結構的一種反映,常用T2幾何均值(T2,gm)反映孔隙結構[13];T2截止值(T2,cutoff)在一定程度上也能夠反映孔隙結構,可以通過建立T2,gm和T2,cutoff的關系求取地層T2截止值。圖4是研究區(qū)致密油儲層巖樣的T2,gm和T2,cutoff的關系圖。對T2,gm和T2,cutoff的關系進行擬合,確定研究區(qū)致密油儲層T2,gm和T2,cutoff的關系式

2.2 應用效果

對核磁共振測井數(shù)據(jù)進行小波域自適應濾波處理后,利用動態(tài)T2截止值計算方法求取連續(xù)深度段的T2截止值,然后進行巖石物理參數(shù)計算。

圖5是某致密油井的處理結果,第6道桿狀條為巖心分析孔隙度,藍色線為核磁計算的孔隙度;第7道的桿狀條為巖心分析滲透率,藍色線為統(tǒng)一T2截止值法計算的滲透率,棕色線為動態(tài)T2截止值法計算的滲透率。從對比效果看,動態(tài)T2截止值法計算滲透率與巖心分析有很好的一致性。在利用核磁共振測井資料計算致密砂巖層的滲透率時,可以根據(jù)巖心實驗數(shù)據(jù)確定公式中的參數(shù)實現(xiàn)動態(tài)T2截止值求取地層滲透率。通過這種方法可以直接從原始核磁共振測井數(shù)據(jù)中求得連續(xù)測井深度點的T2截止值,克服了用統(tǒng)一T2截止值計算滲透率的缺陷。

3 核磁共振測井流體識別新方法

油、氣、水具有不同的弛豫響應特征,不同的Tw其油、氣、水的極化率不同[14]。時間域差譜分析(TDA)方法[15]是核磁共振雙Tw測井數(shù)據(jù)進行流體識別的有效方法。對于致密油儲層,利用TDA方法進行流體識別時,差譜信號比較微弱,經(jīng)常會漏判一些油層。如何有效提取雙Tw數(shù)據(jù)之間微弱差異是識別致密油儲層流體性質的關鍵。

圖5 致密油儲層核磁共振測井巖石物理參數(shù)計算結果

3.1 流體指示參數(shù)法

實驗表明[16],隨油含量的增多,T2譜峰值幅度不斷增加且向T2大的方向移動;而水信號不僅幅度下降,其位置也向T2小的方向移動。因此,長、短不同等待時間的核磁共振T2分布的差異主要在大孔隙流體部分,其差異越大,則其含烴的可能性越大,含油飽和度越高。

為了更有效地判斷儲層流體類型,通過對研究區(qū)實際核磁共振測井資料及巖心核磁共振實驗資料分析,確定128 ms為大、小孔隙T2分布的分界值。然后計算長、短Tw測量的大孔隙流體體積之差的參數(shù)DFVM,建立核磁共振流體指示參數(shù)FLAG

FLAG=DFVMMPHEA=MBVA-MBVBMPHEA×100%

(7)

圖6 核磁共振測井流體指示參數(shù)法應用實例

式中,MBVA、MBVB分別為長、短Tw對應的大孔隙流體孔隙度;MPHEA為長Tw對應的有效孔隙度。

根據(jù)地區(qū)核磁共振測井資料以及試油數(shù)據(jù)得到該地區(qū)核磁共振流體指示參數(shù)法判別儲層流體的標準(見表1)。

表1 核磁共振流體指示參數(shù)法識別標準

圖6是核磁共振測井流體指示參數(shù)法的應用實例。該井各儲層段電阻率差異較小,依據(jù)常規(guī)的電阻率數(shù)據(jù)很難進行流體識別,因此增加核磁共振測井,測量模式為D9TWA。對核磁共振測井數(shù)據(jù)進行小波域自適應濾波處理之后,通過計算得到核磁共振流體指示參數(shù)FLAG。圖6中第7道中紅色線為計算的FLAG值,藍色線表示FLAG=5,粉色線表示FLAG=3。處理結果,35號層FLAG值分布不均勻,但均大于5%;38號層的FLAG值處于3%～5%;43和45號層FLAG值小于3%。依據(jù)流體指示參數(shù)法進行綜合解釋:35、37號層為油層,38號層為差油層,43、45號層為水層。對35、38層進行合試,日產(chǎn)油6.71 t,日產(chǎn)水6.3 m3;對43、45層進行了合試,日產(chǎn)水5.2 m3,不產(chǎn)油。試油結果驗證了上述解釋結論的正確性。

3.2 T2幾何均值重疊法

對于短Tw核磁共振數(shù)據(jù),水層能夠被完全極化和油層只能部分極化。水層的長、短Tw的T2,gm近似相等,而油層的短Tw的T2,gm小于長Tw的T2,gm。可以依據(jù)長、短Tw的T2,gm對儲層流體性質進行判斷。長、短Tw數(shù)據(jù)的T2,gm如果有差異可以解釋為油層或差油層,無差異則為水層或干層。油層與差油層、水層與干層的長Tw的T2,gm有所差異,利用地區(qū)核磁共振測井資料以及試油數(shù)據(jù)得到了該區(qū)核磁共振T2,gm重疊法識別標準(見表2)。

表2 核磁共振T2,gm重疊法識別標準

圖7是致密油儲層核磁共振T2,gm重疊法識別流體的實例,對核磁共振測井數(shù)據(jù)進行小波域自適應濾波處理之后,分別計算長Tw的T2,gm和短Tw的T2,gm。圖7中第7道中紅色線為長Tw的T2,gm(T2,gmA),藍色線為短Tw的T2,gm(T2,gmB)。處理結果表明,39、44、45、46號層長、短Tw的T2,gm顯示有一定的差異,且長Tw的T2,gm相對較大(26～38 ms),綜合解釋39、44、45、46號層為油層。53、56層的長、短Tw的T2,gm顯示無差異,但長Tw的T2,gm較大(20～36 ms),綜合解釋為水層。其他層位長、短Tw的T2,gm無差異,且長Tw的T2,gm較小(<22 ms),綜合解釋為干層。39、46層合試日產(chǎn)油5.35 t,不產(chǎn)水;53、56號2個層合試日產(chǎn)水5.2 m3,不產(chǎn)油,試油結果驗證了解釋結果的正確性,表明該方法能夠有效地識別致密儲層的流體性質。

圖7 核磁共振T2,gm重疊法應用實例

4 結 論

(1) 基于小波域自適應濾波方法的核磁共振測井降噪處理技術能夠有效提高核磁共振測井數(shù)據(jù)的信噪比,提高T2譜的反演精度及其在致密油儲層中的應用效果。

(2) 動態(tài)T2截止值法可以直接從原始核磁共振測井數(shù)據(jù)中求得連續(xù)測井深度點的T2截止值,克服了用統(tǒng)一T2截止值計算滲透率的缺陷,避免了人為因素的干擾。

(3) 致密油儲層中核磁共振差譜信號比較微弱,核磁共振流體指示參數(shù)法和T2幾何均值重疊法能夠有效提取雙Tw數(shù)據(jù)之間的微弱差異,準確識別儲層流體性質。

參考文獻:

[1] 賈承造, 鄒才能, 李建忠, 等. 中國致密油評價標準、主要類型、基本特征及資源前景 [J]. 石油學報, 2012, 33(3): 343-350.

[2] 鄒才能, 朱如凱. 常規(guī)與非常規(guī)油氣聚集類型、特征、機理及展望——以中國致密油和致密氣為例 [J]. 石油學報, 2012, 33(2): 174-187.

[3] 肖立志, 謝然紅, 廖廣志. 中國復雜油氣藏核磁共振測井理論與方法 [M]. 北京: 科學出版社, 2012.

[4] 肖立志. 核磁共振成像測井與巖石物理核磁共振及其應用 [M]. 北京: 科學出版社, 1998.

[5] 程正興. 小波分析算法與應用 [M]. 西安: 西安交通大學出版社, 1988.

[6] Donoho D L, Johnstone I M. Ideal Spatial Adaptation Via Wavelet Shrinkage [M]. Biometrika, 1994, 81(12): 425-455.

[7] Widrow B, Glover J R, McCool J M, et al. Adaptive Noise Cancelling: Principles and Application [C]∥Proceedings of IEEE, 1975, 12.

[8] 謝勝利, 何昭水, 高鷹. 信號處理的自適應理論 [M]. 北京: 科學出版社, 2006.

[9] Dentino M, Mer Cool J, Widrow B. Adaptive Filtering in the Frequency Domain [C]∥Proc IEEE. 1979, 67: 1658-1659.

[10] Hosur S, Tewfik A H. Wavelet Transform Domain Adaptive FIR Filtering [C]∥IEEE Trans on SP, 1994, 42(3): 572-585.

[11] Coates G R, Peveraro R C A, Hardwick A, et al. The Magnetic Resonance Imaging Log Charaterized by Comparison with Petrophysical Properties and Laboratory Core Data [C]∥SPE, 1991, Paper 22723.

[12] Hamada G M. Integration of NMR and SCAL to Estimate Porosity, Permeability and Capillary Pressure of Heterogeneous Gas Sand Reservoirs [C]∥SPE 121161, EUROPEC/EAGE Conference and Exhibition, 2009.

[13] 周燦燦, 程相至, 趙凌風, 等. 用巖心NMR和常規(guī)束縛水的測量改進對T2,cutoff的確定 [J]. 測井技術, 2001, 25(2): 83-88.

[14] Freedman R. A New NMR Method of Fluid Characterization in Reservoir Rocks: Experimental Confirmation and Simulation Results [C]∥SPE 63214, 2000 SPE Annual Technical Conference and Exhibition, Dallas, Texas.

[15] Prammer M G. Lithology-Independent Gas Detection by Gradient-NMR Logging [C]∥SPE 30562, 1995 SPE Annual Technical Conference and Exhibition, Dallas, 22-25, October, 1995.

[16] 譚茂金. 核磁共振測井信息處理與應用方法研究 [D]. 東營: 中國石油大學(華東), 2003.