基于支持向量機(jī)的致密儲(chǔ)層巖相識(shí)別
——以徐家圍子斷陷下白堊統(tǒng)沙河子組為例

汪益寧

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

閆榮堃

(中石油冀東油田分公司陸上油田作業(yè)區(qū)，河北 唐山063200)

羅佳潔

(中石油冀東油田分公司井下作業(yè)公司，河北 唐山063200)

歐陽(yáng)靜蕓

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

段秋紅

(中石化河南油田分公司石油勘探開發(fā)研究院，河南 南陽(yáng) 473132)

徐濤

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

?

基于支持向量機(jī)的致密儲(chǔ)層巖相識(shí)別
——以徐家圍子斷陷下白堊統(tǒng)沙河子組為例

汪益寧

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

閆榮堃

(中石油冀東油田分公司陸上油田作業(yè)區(qū)，河北 唐山063200)

羅佳潔

(中石油冀東油田分公司井下作業(yè)公司，河北 唐山063200)

歐陽(yáng)靜蕓

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

段秋紅

(中石化河南油田分公司石油勘探開發(fā)研究院，河南 南陽(yáng) 473132)

徐濤

(中國(guó)兵器工業(yè)集團(tuán)振華石油控股有限公司，北京 100031)

巖相識(shí)別是徐家圍子斷陷下白堊統(tǒng)沙河子組(K1s)致密砂礫巖氣勘探亟需解決的關(guān)鍵問(wèn)題。依據(jù)巖心、薄片、成像測(cè)井資料，將K1s巖相分為砂礫巖相、中-粗砂巖相、粉-細(xì)砂巖相和泥巖相；以常規(guī)測(cè)井曲線及其組合參數(shù)作為巖相識(shí)別的技術(shù)資料，利用最小二乘支持向量機(jī)建立巖相判別模型，采用網(wǎng)格搜索，經(jīng)多次驗(yàn)證優(yōu)選模型參數(shù)。應(yīng)用結(jié)果表明，最小二乘支持向量機(jī)識(shí)別巖相結(jié)果明顯好于常規(guī)統(tǒng)計(jì)方法，模型識(shí)別巖相與巖心分析結(jié)果基本一致，其中砂礫巖相符合率均高于83.2%，中-粗砂巖相符合率均高于84.0%，粉-細(xì)砂巖相符合率均高于87.6%，泥巖相符合率均高于93.2%。致密儲(chǔ)層的非線性測(cè)井響應(yīng)是支持向量機(jī)成功應(yīng)用的重要基礎(chǔ)，該方法對(duì)其他地區(qū)也具有借鑒意義。

支持向量機(jī)；致密儲(chǔ)層；巖相識(shí)別；沙河子組；徐家圍子斷陷

徐家圍子斷陷是松遼盆地北部深層天然氣資源最聚集的地區(qū)之一[1]。2010年以來(lái)，徐家圍子斷陷的勘探重點(diǎn)由營(yíng)城組火山巖開始轉(zhuǎn)向沙河子組(K1s)致密砂礫巖。K1s砂礫巖儲(chǔ)層普遍可見活躍的氣測(cè)顯示，相繼有井獲得工業(yè)氣流，展現(xiàn)出一定的致密砂礫巖氣勘探潛力[2]。然而，強(qiáng)烈的構(gòu)造運(yùn)動(dòng)、頻率的水體變化和復(fù)雜的成巖作用，導(dǎo)致砂礫巖的粒度混雜、組分多變、致密程度很高[3,4]；加之該區(qū)勘探程度很低，鉆井取心資料少，通過(guò)測(cè)井曲線和巖心資料難以直觀、連續(xù)地表征儲(chǔ)層巖相變化。儲(chǔ)層巖相識(shí)別是該區(qū)儲(chǔ)層預(yù)測(cè)首先需要解決的問(wèn)題。

國(guó)內(nèi)外學(xué)者針對(duì)儲(chǔ)層巖性(相)識(shí)別開展了大量研究，起初主要采用對(duì)儲(chǔ)層巖性敏感的常規(guī)測(cè)井曲線，通過(guò)測(cè)井曲線交會(huì)圖、主成分分析方法、判別分析方法等方法識(shí)別巖性[5～9]。隨著技術(shù)的進(jìn)步，EMI(微電阻率成像)和FMI(地層微電阻率成像)測(cè)井技術(shù)可以展示連續(xù)的、高分辨率的地層影響資料，在致密儲(chǔ)層巖性識(shí)別中發(fā)揮了重要作用[10]，但是費(fèi)用昂貴，且老區(qū)一般缺少該資料。支持向量機(jī)是一種依據(jù)多維參數(shù)判別，可實(shí)現(xiàn)非線性聚類的分線性判別方法[11,12]，近年來(lái)在火山巖儲(chǔ)層和致密碎屑巖儲(chǔ)層識(shí)別中得到初步應(yīng)用，識(shí)別效果明顯好于測(cè)井曲線交會(huì)圖、主成分分析方法、判別分析方法等常規(guī)方法[13～16]。如朱怡翔等[16]以反映火山巖巖性、組構(gòu)、成因和孔隙結(jié)構(gòu)的多種測(cè)井參數(shù)作為判別依據(jù)，利用支持向量機(jī)成功識(shí)別了三塘湖盆地馬朗凹陷火山巖性。韓學(xué)輝等[17]利用常規(guī)測(cè)井曲線建立支持向量機(jī)判別模型，實(shí)現(xiàn)了廣利油田沙四段粉砂巖、細(xì)砂巖和不等粒砂巖的有效識(shí)別。

該次研究利用支持向量機(jī)識(shí)別研究區(qū)儲(chǔ)層巖相，依據(jù)巖心、薄片、成像測(cè)井資料將K1s巖性分為砂礫巖相、中-粗砂巖相、粉-細(xì)砂巖相和泥巖相，以常規(guī)測(cè)井作為判別資料，利用最小二乘支持向量機(jī)建立巖相識(shí)別模型。最小二乘支持向量機(jī)判別巖相的準(zhǔn)確率平均達(dá)到88.1%，很好地解決了研究區(qū)儲(chǔ)層巖相識(shí)別問(wèn)題。

1　地層特征及巖相劃分

1.1沉積巖石學(xué)特征

K1s沉積于徐家圍子斷陷形成的鼎盛時(shí)期，凹陷中心發(fā)育湖相沉積，西部斜坡和東部斜坡分別發(fā)育扇三角洲和辮狀河三角洲沉積。受多物源以及水體頻繁變化影響，K1s沉積相變較快，鉆井揭示礫巖、砂礫巖、含礫砂巖、粗砂巖、中砂巖、細(xì)-泥質(zhì)粉砂巖、泥巖、煤等多種巖性。砂礫巖和粗砂巖是主要儲(chǔ)層巖性，礫石成分以火山巖屑、長(zhǎng)石和碳酸鹽巖為主(超過(guò)85%)，分選較差，磨圓度呈棱角-次棱角狀。儲(chǔ)層孔隙度一般小于6.0%，滲透率小于0.1mD，具有低孔、低滲的特征，非均質(zhì)性極強(qiáng)。

1.2巖相劃分及特征

巖相是一定沉積環(huán)境中形成的巖石或巖石組合，它是沉積相的主要組成部分[13]。在致密沉積體系中，巖相的變化可導(dǎo)致孔隙度和滲透率大幅波動(dòng)[14]，研究區(qū)不同亞相儲(chǔ)層滲透率變化幅度超過(guò)1個(gè)數(shù)量級(jí)，因而有必要開展巖相識(shí)別研究。根據(jù)巖石成分、結(jié)構(gòu)、構(gòu)造和顆粒間的接觸關(guān)系，考慮到礫巖發(fā)育較少且區(qū)分礫巖與砂礫巖對(duì)勘探指導(dǎo)意義不大，將地層巖性劃分為砂礫巖相、中-粗砂巖相、粉-細(xì)砂巖相和泥巖相。

1)砂礫巖相包括含砂礫巖、砂質(zhì)礫巖和礫巖，巖石接觸關(guān)系主要為顆粒支撐，個(gè)別為雜基支撐；礫石成份主要為火山巖，個(gè)別為泥礫，分選較差，通常無(wú)定性排列。酸性的火山巖巖屑相對(duì)容易被溶蝕，形成次生溶孔，構(gòu)成主要的儲(chǔ)集空間；礫石表面通常發(fā)育微裂縫，明顯改善儲(chǔ)層的滲透性(圖1(a))。

2)中-粗砂巖相包括中砂巖、粗砂巖、含礫砂巖和礫質(zhì)砂巖等。碎屑組分以火山巖屑和長(zhǎng)石為主，兩者占巖石體積分?jǐn)?shù)的82%，石英含量偏低，體積分?jǐn)?shù)為17.6%，屬于長(zhǎng)石質(zhì)巖屑砂巖。砂巖顆粒分選中等-差，磨圓度次棱-次圓狀，接觸關(guān)系主要為線接觸和線-凹凸接觸。膠結(jié)類型主要為碳酸鹽巖膠結(jié)，發(fā)育少量的硅質(zhì)膠結(jié)?？紫额愋蜑樯倭繗堄嘣缀烷L(zhǎng)石、巖屑溶蝕溶孔，儲(chǔ)集能力較好(圖1(b))。

3)粉-細(xì)砂巖相包括細(xì)砂巖、粉砂巖、泥質(zhì)粉砂巖。孔隙度約2%左右，滲透率約0.01mD，儲(chǔ)集能力很差(圖1(c))。

4)泥巖相包括泥巖、砂質(zhì)泥巖、炭質(zhì)泥巖、含礫泥巖等，一般不具有儲(chǔ)集能力。

圖1　研究區(qū)巖相劃分

1.3不同巖相的測(cè)井響應(yīng)

表1中總結(jié)了不同巖相在常規(guī)測(cè)井和成像測(cè)井上的響應(yīng)情況，結(jié)果顯示，不同巖相的測(cè)井響應(yīng)既有一定差別，又明顯交叉，可概括為以下特征：①礫巖相具有低-中等自然伽馬(qAPI)、低聲波時(shí)差(Δt)、中高密度(ρ)、高深側(cè)向電阻率(ρlld)、中高ΔlgR(Δt與ρlld疊合后兩者之間的距離)響應(yīng)，成像測(cè)井上具有顆粒狀亮色斑點(diǎn)；②中-粗砂巖相具有中等qAPI、中等Δt、中-高ρ、中高ρlld、中高ΔlgR響應(yīng)，成像測(cè)井圖像上顏色中等，含礫時(shí)具有亮色斑點(diǎn)；③粉-細(xì)砂巖相具有中等qAPI，中高Δt、中高ρ、中-低ρlld、中低ΔlgR特征，成像測(cè)井圖像上顏色中淺；④泥巖相具有高qAPI、中高Δt、中低ρ、中低ρlld、低ΔlgR測(cè)井響應(yīng)，成像測(cè)井圖像上顏色深，可見層理，容易識(shí)別。

表1　研究區(qū)巖相測(cè)井響應(yīng)特征

2　支持向量機(jī)的原理和方法

2.1支持向量機(jī)的原理

支持向量機(jī)(SVM)以統(tǒng)計(jì)學(xué)理論為基礎(chǔ)，其基本原理是：對(duì)于低維空間中線性不可分問(wèn)題，通過(guò)核函數(shù)將低維空間數(shù)據(jù)投影到高維核空間中，在高維核空間中實(shí)現(xiàn)樣品的線性區(qū)分，簡(jiǎn)單而言就是將復(fù)雜的非線性問(wèn)題轉(zhuǎn)化為簡(jiǎn)單的線性問(wèn)題(圖2)。與人工神經(jīng)網(wǎng)絡(luò)技術(shù)相比，SVM方法避免了局部極值問(wèn)題[6]，計(jì)算速度更快，結(jié)果也更可靠，具有明顯技術(shù)優(yōu)勢(shì)。

圖2　支持向量機(jī)的基本原理

2.2支持向量機(jī)的技術(shù)流程

最小二乘支持向量機(jī)(LS-SVM)是標(biāo)準(zhǔn)支持向量機(jī)擴(kuò)展，將二次規(guī)劃問(wèn)題轉(zhuǎn)化為可用最小二乘法求解的線性方程組求解問(wèn)題，在實(shí)際問(wèn)題中計(jì)算速度更快[6]。LS-SVM將優(yōu)化目標(biāo)中的誤差控制函數(shù)轉(zhuǎn)化為誤差的二次項(xiàng)：

(1)

s.t.yi=φ(xi)w+b+εii=1,…,k

(2)

式中：J(w,ε)是誤差控制函數(shù)；w是目標(biāo)函數(shù)；ε為誤差；c(c≥0)為懲罰因子，控制對(duì)ε的懲罰程度；i是樣本編號(hào)；yi是分類標(biāo)記；xi是樣品向量；φ(xi)是xi在高維空間的投影；b是常數(shù)項(xiàng)。

利用拉格朗日方法對(duì)式(1)進(jìn)行求解：

(3)

式中：L(w,ε,b,a) 是拉格朗日函數(shù)；a是拉格朗日乘子。

根據(jù)優(yōu)化條件得到：

(4)

求解得到?jīng)Q策函數(shù)f(x)：

(5)

式中：K(x,xi)為核函數(shù)。

表2　支持向量機(jī)部分輸入數(shù)據(jù)

SVM的核函數(shù)的形式不需具體變現(xiàn)出來(lái)，通過(guò)核函數(shù)將低維空間數(shù)據(jù)投影到高維核空間中，將無(wú)法求解的抽象問(wèn)題轉(zhuǎn)化為具體的數(shù)學(xué)問(wèn)題。

最小二乘支持向量機(jī)實(shí)現(xiàn)過(guò)程包含4個(gè)步驟：①首先選取建立模型所需樣品(學(xué)習(xí)集)和檢驗(yàn)?zāi)Ｐ涂煽啃运铇悠?驗(yàn)證集)，學(xué)習(xí)集和驗(yàn)證集由不同類別樣品組成，每個(gè)樣品包含多條測(cè)井曲線或其他參數(shù)；②對(duì)所有樣品進(jìn)行數(shù)據(jù)預(yù)處理，以消除數(shù)量級(jí)差異對(duì)計(jì)算結(jié)果的影響；③選取合適的核函數(shù)，將低維空間的變量投影到高維空間中；④確定模型內(nèi)的c和核函數(shù)，依據(jù)所建立的模型預(yù)測(cè)儲(chǔ)層巖相。

3　實(shí)際應(yīng)用

3.1樣品的選取

試驗(yàn)樣品是模型建立與效果檢驗(yàn)的基礎(chǔ)。為避免試驗(yàn)樣品對(duì)建模的影響，依據(jù)巖心、薄片鑒定和成像測(cè)井資料對(duì)地層巖相進(jìn)行厘定，從中選取2000個(gè)歸屬明確的樣品點(diǎn)進(jìn)行試驗(yàn)。操作過(guò)程中，選取1000個(gè)具有代表性的樣品點(diǎn)(每個(gè)巖相250個(gè)樣品點(diǎn))作為輸入樣本(部分輸入數(shù)據(jù)見表2)，其余1000個(gè)樣本作為驗(yàn)證樣本。每個(gè)樣本包含5種能反映該區(qū)巖性的變量，分別為qAPI、Δt、ρ、ρlld、ΔlgR。

3.2數(shù)據(jù)預(yù)處理

由于不同測(cè)井曲線在數(shù)量級(jí)上存在差異，不僅計(jì)算量增大，也容易受個(gè)別奇異點(diǎn)影響，導(dǎo)致預(yù)測(cè)模型的代表性變差。為此，對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理：

(6)

3.3待定系數(shù)的求取

3.4應(yīng)用效果及討論

表3和圖3分別給出了最小二乘支持向量機(jī)對(duì)1000個(gè)檢驗(yàn)樣品影響效果和DS3井巖相預(yù)測(cè)結(jié)果。從整體效果看，表1中不同巖相的測(cè)井特征存在明顯重疊，而利用最小二乘支持向量機(jī)進(jìn)行非線性聚類后的總體符合率(判別正確樣品個(gè)數(shù)/樣本總數(shù))均高于87.8%(平均88.7%)，效果明顯好于常規(guī)統(tǒng)計(jì)方法。從不同巖相區(qū)分效果來(lái)看，泥巖相的符合率均高于93.2%(平均95.6%)，區(qū)分效果最好；粉-細(xì)砂巖相符合率均高于87.6%以上(平均89.4%)，區(qū)分效果次之；砂礫巖相和砂巖相符合率分別高于83.2%、84.0%，平均分別為84.8%、85.2%，效果略差，但也滿足研究區(qū)巖相區(qū)分的需求(見表3)。從單井地質(zhì)應(yīng)用角度看，通過(guò)最小二乘支持向量機(jī)可快速得到單井的巖相分布，預(yù)測(cè)結(jié)果與巖心分析結(jié)果基本符合(見圖3)，證明了該方法在研究區(qū)切實(shí)可行。

表3　最小二乘支持向量機(jī)識(shí)別巖相效果統(tǒng)計(jì)

圖3　研究區(qū)DS3井巖相識(shí)別結(jié)果

4　結(jié)語(yǔ)

利用巖心、薄片、成像測(cè)井資料將K1s地層劃分為砂礫巖相、中-粗砂巖相、粉-細(xì)砂巖相和泥巖相4種巖相，不同巖相的測(cè)井響應(yīng)明顯交叉或重疊，常規(guī)的統(tǒng)計(jì)方法很難直觀區(qū)分不同巖相。將具有非線性聚類特征的最小二乘支持向量機(jī)應(yīng)用于K1s巖相識(shí)別中，利用常規(guī)測(cè)井曲線建立儲(chǔ)層巖相判別模型，經(jīng)反復(fù)驗(yàn)證，砂礫巖相、中-粗砂巖相、粉-細(xì)砂巖相和泥巖相預(yù)測(cè)結(jié)果的符合率分別高于83.2%、84.0%、87.6%、93.2%，判別效果較為可靠。

[1]付廣，汪芯.徐深氣田聚散氣能力配置類型及其與天然氣儲(chǔ)量豐度的關(guān)系[J].巖性油氣藏，2011，23(1)：29～33.

[2]張大智，張曉東，楊步增.徐家圍子斷陷沙河子組致密氣地質(zhì)甜點(diǎn)綜合評(píng)價(jià)[J].巖性油氣藏，2015，27(5)：98～103.

[3]張常久.徐家圍子斷陷沙河子組砂礫巖儲(chǔ)層特征及主控因素[J].大慶石油地質(zhì)與開發(fā)，2014，33(2)：22～26

[4]于興河，李順利，楊志浩.致密砂巖氣儲(chǔ)層的沉積-成巖成因機(jī)理探討與熱點(diǎn)問(wèn)題[J].巖性油氣藏，2015，27(1)：1～13.

[5]陳超，劉韻，繆志偉. M 地區(qū)致密砂巖儲(chǔ)層預(yù)測(cè)方法研究[J].巖性油氣藏，2013，25(6)：84～88.

[6]Petford N，Meeaffrey K J W. Hyd rocarbons in crystalline rocks[M]. London：The Geological Society of London，2003.

[7]尚玲，謝亮，姚衛(wèi)江，等.準(zhǔn)噶爾盆地中拐凸起石炭系火山巖巖性測(cè)井識(shí)別及應(yīng)用[J].巖性油氣藏，2013，25(2)：65～69.

[8]劉俊田，張代生，黃衛(wèi)東，等.三塘湖盆地馬朗凹陷火山巖巖性測(cè)井識(shí)別技術(shù)及應(yīng)用[J].巖性油氣藏，2009，21(4)：87～91.

[9]張大權(quán)，鄒妞妞，姜楊,等.火山巖巖性測(cè)井識(shí)別方法研究——以準(zhǔn)噶爾盆地火山巖為例[J].巖性油氣藏，2015，27(1)：108～114.

[10]Raghava N R，Scorer J D T，Miller F G，et al.An investion by numerical methods of the effect of pressure-dependent fock and fluid properties on well flow tests[J].SPE Journal，1972，12(3)：267～275.

[11]Vapnik V N.Statistical Learning Theory [M].New York：Join Wiley and Sons，1998.

[12]龐河清，匡建超，蔡左花，等.逐類組合支持向量機(jī)在致密儲(chǔ)層判識(shí)和產(chǎn)能預(yù)測(cè)中的應(yīng)用[J].大慶石油學(xué)院學(xué)報(bào)，2011，35(6)：35～40.

[13]蔣裕強(qiáng)，刁昱翔，王猛，等.川西南部須二段儲(chǔ)層成巖作用與成巖相研究[J].礦物巖石地球化學(xué)通報(bào)，2014，33(4)：509～516.

[14]蔣裕強(qiáng)，張 春，張本健，等.復(fù)雜砂礫巖儲(chǔ)集體巖相特征及識(shí)別技術(shù)——以川西北地區(qū)為例[J]天然氣工業(yè)，2013，33(4)：31～36.

[15]張海濤，時(shí)卓，石玉江，等.低滲透致密砂巖儲(chǔ)層成巖相類型及測(cè)井識(shí)別方法：以鄂爾多斯盆地蘇里格氣田下石盒子組8段為例[J].石油與天然氣地質(zhì)，2012，33(2)：256～263.

[16]朱怡翔，石廣仁.火山巖巖性的支持向量機(jī)識(shí)別[J].石油學(xué)報(bào)，2013，34(2)：312～322.

[17]韓學(xué)輝，支樂(lè)菲，劉榮，等.用最小二乘支持向量機(jī)識(shí)別廣利油田沙四段儲(chǔ)層巖性[J].地球物理學(xué)進(jìn)展，2013，28(4)：1886～1892.

[編輯]龔丹

2016-02-29

汪益寧(1972-)，男，博士，高級(jí)工程師，長(zhǎng)期從事油氣田開發(fā)技術(shù)研究工作，wangyn@zhenhuaoil.com。

P631.84

A

1673-1409(2016)29-0033-06

[引著格式]汪益寧，閆榮堃，羅佳潔，等.基于支持向量機(jī)的致密儲(chǔ)層巖相識(shí)別[J].長(zhǎng)江大學(xué)學(xué)報(bào)(自科版),2016,13(29):33～38.