東營凹陷南坡湖相碳酸鹽巖儲層測井評價

田 敏，余光華

(中石化勝利油田分公司勘探開發(fā)研究院，山東 東營 257015)

東營凹陷南坡湖相碳酸鹽巖儲層測井評價

田 敏，余光華

(中石化勝利油田分公司勘探開發(fā)研究院，山東 東營 257015)

東營凹陷南坡碳酸鹽巖儲層具有很大的儲量升級潛力，是儲量接替的重要類型之一。以東營凹陷南坡陳官莊地區(qū)為目標(biāo)，采用改進(jìn)灰色關(guān)聯(lián)、主成分分析、Fisher判別方法建立了一套巖性綜合識別方法，大大提高了巖性識別的精度。對儲層孔隙度參數(shù)的解釋進(jìn)行了初步探索，確定了適合本地區(qū)的聲波地層因素公式。針對流體識別的難點，分別采用傳統(tǒng)流體識別方法和BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行了研究對比，認(rèn)為BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)能力強(qiáng)、識別精度高，是本地區(qū)進(jìn)行碳酸鹽巖儲層流體識別應(yīng)重點參考使用的方法之一。

碳酸鹽巖 巖性識別 灰色關(guān)聯(lián) 聲波地層因素公式 BP神經(jīng)網(wǎng)絡(luò)

湖相碳酸鹽巖是濟(jì)陽坳陷內(nèi)發(fā)育的一種特殊儲層類型，已經(jīng)探明碳酸鹽巖油藏儲量7 200×104t。在24 個油田鉆遇湖相碳酸鹽巖油層，早期勘探曾有4 口井獲得日產(chǎn)千噸高產(chǎn)工業(yè)油流，有30多口井獲得日產(chǎn)50 t以上的工業(yè)油流。2001年東營凹陷南坡陳官莊地區(qū)上報預(yù)測儲量3 343×104t。東營凹陷已探明的6 660×104t碳酸鹽巖儲量僅占總探明儲量的3%，勘探成果充分展示了濟(jì)陽坳陷碳酸鹽巖油藏仍具有較大的勘探空間和潛力。

由于碳酸鹽巖復(fù)雜的孔隙結(jié)構(gòu)和特殊的成巖作用以及本身的非均質(zhì)性，目前對此類復(fù)雜碳酸鹽巖儲層測井資料定量解釋的研究仍屬于攻堅階段[1-6]。近幾年來勝利油區(qū)面對巨大的油氣資源壓力，湖相碳酸鹽巖油藏研究與勘探的重要性日益凸顯，因此本次研究以東營南坡陳官莊地區(qū)為主要的研究區(qū)域，通過對工區(qū)開展巖性識別、參數(shù)解釋、流體識別三方面的測井評價與研究，逐步形成一套適合東營南坡碳酸鹽巖儲層的測井綜合評價方法，以期為本地區(qū)預(yù)測儲量的盡快升級提供必要的技術(shù)支持。

1 巖性識別

東營凹陷位于濟(jì)陽坳陷東南部，可進(jìn)一步劃分為北部陡坡帶、中部洼陷帶和南部緩坡帶。鉆井揭示的地層有太古界、古生界、中生界、新生界。古近系包括孔店組、沙河街組、東營組，沙河街組進(jìn)一步劃分為一段、二段、三段和四段，沙四段由上、下兩個亞段組成。其中，南部緩坡帶的沙四上亞段是湖相碳酸鹽巖灘壩發(fā)育的主要層段，包含純上次亞段和純下次亞段兩部分。東營凹陷南坡發(fā)育的碳酸鹽巖類型主要有白云巖、石灰?guī)r、泥灰?guī)r、鮞狀灰?guī)r、生物灰?guī)r、頁狀灰?guī)r等多種巖性，主要特征為單層厚度薄但層數(shù)多，厚度多為0.8～3 m，多與泥巖形成互層。

根據(jù)巖屑及巖心資料分析，陳官莊地區(qū)沙四段碳酸鹽巖儲層的主要巖性為灰?guī)r、泥灰?guī)r、白云巖、生物灰?guī)r；儲集空間以次生裂縫和溶蝕孔隙為主。以上幾種巖性在常規(guī)測井曲線上的特征如表1所示。從表1上可以看出，受巖石礦物成分、流體等因素的影響，各巖性測井特征值的變化區(qū)間比較大，且有重疊區(qū)間。

表1 碳酸鹽巖不同巖性測井特征值

碳酸鹽巖巖石類型復(fù)雜多樣，儲層非均質(zhì)性強(qiáng)，巖性識別存在較大困難。目前測井識別巖性的方法主要有常規(guī)測井識別法、常規(guī)測井交會圖識別法、成像測井識別法等，其中巖性交會圖法是應(yīng)用最普遍的方法[7-8]。這種類型的交會圖在復(fù)雜的碳酸鹽巖儲層中，一次只能應(yīng)用兩種直接的測井變量，忽略了更多與巖性有關(guān)的變量，識別精度不高；并且一次只能識別出2種巖性，若要識別出所有巖性還需要分步進(jìn)行。

因此本次的研究思路是：根據(jù)常規(guī)測井、實際巖心巖屑資料，利用主分分析、灰色理論、判別分析等方法，將多個原始測井變量轉(zhuǎn)換成幾個獨立的綜合性測井變量，從而建立起一套較綜合的巖性識別方法。

1.1改進(jìn)灰色關(guān)聯(lián)法

目前灰色關(guān)聯(lián)法在儲層測井評價中的應(yīng)用實例很多[9-14]，但絕大多數(shù)都是直接使用現(xiàn)有的關(guān)聯(lián)度量化模型，對于分辨系數(shù)的選取以及無量綱化處理方式的選擇都沒有形成一定的結(jié)論。

針對以上缺陷，本次研究對廣泛應(yīng)用的斜率關(guān)聯(lián)度的算法進(jìn)行了改進(jìn)，在算法中用各序列變化量的平均值代替了序列值，使其不僅考慮相鄰兩點間的變化量，還考慮了各變量變化率的差異，力求使其能更好地保持待分析數(shù)據(jù)的特征，更全面地考慮序列間相關(guān)性的影響因素。改進(jìn)關(guān)聯(lián)度計算方法如下：

設(shè)參考數(shù)列x0={x0(k)|k=1,2,…,n}，比較數(shù)列xi={xi(k)|k=1,2,…,n}(i=1,2,…,N),則x0與xi的改進(jìn)關(guān)聯(lián)度γ(x0,xi)定義為：

(1)

根據(jù)上述改進(jìn)灰色關(guān)聯(lián)的方法，對研究區(qū)內(nèi)6 口取心井進(jìn)行了測井巖性識別。設(shè)待分析巖性作為參考數(shù)列 ，測井參數(shù)指標(biāo)作為比較數(shù)列 , … 。按照上述斜率關(guān)聯(lián)度和改進(jìn)關(guān)聯(lián)度公式分別進(jìn)行了計算，計算結(jié)果如表2所示。

從表2中可以看出，改進(jìn)關(guān)聯(lián)度值基本都大于0.80，巖性識別結(jié)果與實際巖性基本吻合，識別精度達(dá)到81%；而斜率關(guān)聯(lián)度值則明顯低于改進(jìn)關(guān)聯(lián)度值，并且識別結(jié)果誤差較大，識別精度為43%。由此說明，改進(jìn)關(guān)聯(lián)度相比于斜率關(guān)聯(lián)度更適合進(jìn)行復(fù)雜巖性識別，為灰色關(guān)聯(lián)法在復(fù)雜巖性識別中的應(yīng)用提供了一個很好的借鑒?；疑P(guān)聯(lián)法用于碳酸鹽巖地層巖性識別，適用于對重點層段的精細(xì)解釋，還無法進(jìn)行連續(xù)識別。

表2 灰色關(guān)聯(lián)識別結(jié)果對比

1.2巖性綜合識別方法

為實現(xiàn)對全井段較準(zhǔn)確的巖性連續(xù)識別，又提出了一套巖性綜合識別方法。巖性綜合識別方法是將主成份分析法與Fisher判別法相結(jié)合，首先應(yīng)用主成份分析法確定出巖性敏感主成份，然后再利用Fisher判別法建立巖性判別函數(shù)，從而可以進(jìn)行巖性的連續(xù)定量分析。

利用巖石樣品的自然伽馬(GR)、密度(DEN)、聲波時差(AC)、中子孔隙度(CNL)和深側(cè)向電阻率(RT)值作為輸入?yún)?shù)X=[GR，DEN，AC，CNL，RT]，以陳官莊地區(qū)66 塊巖心分析巖性作為巖性判別依據(jù)，進(jìn)行主成分分析，可以得到以下的主成分特征向量的特征值和方差貢獻(xiàn)率(表3)。根據(jù)累計方差，確定出F1～F3前3個主成份。

表3 特征值與方差貢獻(xiàn)率

再利用Fisher判別法建立以下巖性判別函數(shù)：

F1(x)=-0.202AC+115.613DEN+
0.639CNL+0.443GR-308.588

(2)

F2(x)=-0.265AC+14.996DEN+
0.755CNL-0.033GR+14.996

(3)

根據(jù)以上判別函數(shù)，由最重要主成分F1和次重要主成分F2對巖性進(jìn)行交會圖分析。如圖1(a)所示，在常規(guī)的中子-密度交會圖上，各類巖性混雜在一起，很難準(zhǔn)確區(qū)分泥灰?guī)r、白云質(zhì)灰?guī)r、灰質(zhì)白云巖和白云巖；而判別函數(shù)交會圖上(圖1(b))，則能夠進(jìn)行有效的區(qū)分，巖性識別符合率有了很大程度的提高。

圖1 傳統(tǒng)交會圖與判別函數(shù)交會圖

2 孔隙度解釋

對于碳酸鹽巖儲層來說，孔隙度是評價儲層有效性的一個重要參數(shù)。評價孔隙度有多種測井方法，不同的測井方法反映不同的孔隙度，其中聲波測井反映基質(zhì)孔隙度，中子、密度測井反映總孔隙度，電阻率測井可以反映裂縫孔隙度。

碳酸鹽巖儲層的基質(zhì)孔隙度目前常用的解釋模型是威利公式[15]，威利公式計算的孔隙度僅當(dāng)?shù)貙涌紫抖鹊陀?%和在25%～30%時才接近于實際孔隙度值，而當(dāng)孔隙度在5%～25%時，計算孔隙度明顯偏低。1986年J.P.Martin等人提出了聲波地層因素公式[15]：

Δt=Δtma×(1-φ)-x

(4)

式中X是骨架巖性系數(shù)，X只與巖石孔隙結(jié)構(gòu)的幾何特征有關(guān)。

聲波地層因素公式適用于孔隙度低于50%的地層，它的主要特點是不需作聲波壓實校正，也不需要流體聲波時差，避免了這兩個參數(shù)引起的誤差。但聲波地層因素公式在碳酸鹽巖儲層應(yīng)用的難點是參數(shù)X的確定。目前這方面的研究比較少，對于X值目前只有理論值，石灰?guī)r和白云巖的X理論值分別為1.76和2.0，而理論值在本地區(qū)并不適用。

針對以上難點，本次研究利用6口取心井的38個采樣點的孔隙度值進(jìn)行了反演，經(jīng)過反復(fù)試算，確定了本地區(qū)碳酸鹽巖儲層的參數(shù)X值為3.5。利用參數(shù)X值為3.5的聲波地層因素公式解釋的孔隙度的精度由之前利用威利公式的21%提高到了82%(圖2，3)。日后隨著各項資料的豐富，還可分別確定出灰?guī)r類和白云巖類的X選值，從而使孔隙度的解釋精度進(jìn)一步提高。

圖2 孔隙度解釋精度對比

圖3 孔隙度解釋實例

3 流體識別

碳酸鹽巖儲層儲集空間結(jié)構(gòu)復(fù)雜，不同儲集空間類型的流體賦存狀態(tài)不同，而且儲層的孔隙度低，其強(qiáng)烈的非均質(zhì)性使得流體識別異常的困難。研究區(qū)的試油資料多為合試，出油下限難以確定；并且東營凹陷碳酸鹽巖油藏是受巖性和構(gòu)造雙重控制的薄層狀油藏，油干層電性差異小，難以區(qū)分于油層；油水層受巖性的影響，有可能水層的電阻比油層還高，所以油水層也難識別。

3.1傳統(tǒng)流體識別方法

目前碳酸鹽巖儲層流體的識別方法，主要有基于常規(guī)測井曲線的徑向電阻率法、重疊法和各種交會圖法[16]。

(1)電阻率測井識別法

深、淺電阻率比與深電阻率交會法，是利用不同徑向深度的電法測井來了解鉆井液或鉆井濾液對儲層發(fā)生侵入后，造成井壁附近儲層電阻率在徑向上的變化，其變化特征與地層流體性質(zhì)密切相關(guān)。在不了解地層水電阻率和孔隙空間結(jié)構(gòu)的情況下，相比單憑徑向電阻率值直接比較的方法，用深、淺電阻率比與深電阻率交會法可以減少流體性質(zhì)判別的多解性。

用深、淺側(cè)向的差值作為交會圖的橫坐標(biāo)，深側(cè)向電阻率作為縱坐標(biāo)，從交會圖4(a)中可以看出，油層、油水同層和水層具有較明顯差異，油層深、淺側(cè)向電阻率差值大于1，油水同層深、淺側(cè)向電阻率差值介于0.1與1之間，水層深、淺側(cè)向電阻率差值一般小于0.1。

用深、淺側(cè)向的比值作為交會圖的橫坐標(biāo)，深側(cè)向電阻率作為縱坐標(biāo)，從交會圖4(b)中可以看出，水層點位于圖版的右下部，油層點位于圖版的左上部，油水同層位于圖版的中部，該圖版可較清楚地將油層與水層分開。

以上交會圖是考慮裂縫及其含流體性質(zhì)對電阻率及深淺電阻率差值、比值的影響而建立的，沒有考慮孔隙度對電阻率的影響，因此結(jié)果受裂縫影響大，且不適用于泥漿侵入深的情況。

圖4 電阻率測井交會圖

(2)P1/2交會圖法

P1/2法是根據(jù)正態(tài)分布法原理對視地層水電阻率Rwa開平方，并命名為P1/2。許多油田發(fā)現(xiàn)碳酸鹽巖地層的Rwa1/2具有良好的正態(tài)分布特征。在正態(tài)概率紙上，水層的Rwa1/2與累計頻率有直線關(guān)系，而油氣層的Rwa大于水層的Rwa，故形成斜率較大的另一條直線。本地區(qū)碳酸鹽巖儲層的油水層的正態(tài)分布圖如圖5所示。

圖5 P1/2交會圖

P1/2交會圖可以比較直觀的分辨出油層和水層的分布范圍，但對本地區(qū)廣泛分布的油水同層來說不適用；并且油水層的斜率沒有統(tǒng)一的標(biāo)準(zhǔn)，受人為主觀因素影響比較大。

3.2 BP神經(jīng)網(wǎng)絡(luò)法

碳酸鹽巖儲層的流體識別問題本身就是一個高度非線性的問題，BP神經(jīng)網(wǎng)絡(luò)對非線性有很強(qiáng)的映射能力，并且適用于小樣本，因此理論上用BP神經(jīng)網(wǎng)絡(luò)來進(jìn)行流體識別是可行的[17-18]。

(1)建立網(wǎng)絡(luò)模型

將歸一化處理后的CNL、AC、DEN、|RD-RS|曲線值作為輸入樣本，這樣輸入層為4個節(jié)點，輸出層設(shè)為1個節(jié)點，即流體類型，用1表示油層，0表示油水同層，-1表示水層。隱含層節(jié)點數(shù)經(jīng)過反復(fù)試算后，確定最佳值為10。傳遞函數(shù)對輸入層采用線性函數(shù)，對隱含層和輸出層采用S型函數(shù)，最大學(xué)習(xí)次數(shù)設(shè)為10 000次，全局誤差最小值設(shè)為0.000 1。

(2)油水識別

選取18口井31個層的試油數(shù)據(jù)作為網(wǎng)絡(luò)訓(xùn)練樣本集(表4),按照上述參數(shù)設(shè)置，網(wǎng)絡(luò)進(jìn)入訓(xùn)練過程。訓(xùn)練目標(biāo)達(dá)到后，用訓(xùn)練好的網(wǎng)絡(luò)對所選的4口井的9個驗證樣本進(jìn)行預(yù)測,識別精度達(dá)到了100%(表5)。

表4 BP網(wǎng)絡(luò)訓(xùn)練樣本

表5 BP網(wǎng)絡(luò)預(yù)測結(jié)果

值得一提的是表5中的第8，9號層，是官8井的第8，10號解釋層(圖6)，這兩個層測井解釋是油層，錄井巖屑也有顯示，但試油證實是水層，日產(chǎn)水17.6 m3，累計產(chǎn)水101 m3，與BP網(wǎng)絡(luò)預(yù)測的結(jié)果是吻合的。因此相對于傳統(tǒng)流體識別方法來說，BP神經(jīng)網(wǎng)絡(luò)具有高度自適應(yīng)自學(xué)習(xí)性，識別結(jié)果精度高，可作為本地區(qū)碳酸鹽巖儲層流體識別重點參考使用的方法。

3 結(jié)論

(1)綜合多種多元統(tǒng)計方法，建立了適合本地區(qū)的巖性綜合識別方法。利用改進(jìn)灰色關(guān)聯(lián)法實現(xiàn)了對重點層段巖性的精細(xì)解釋，將主成份分析與Fisher判別法相結(jié)合，實現(xiàn)了對全井段巖性的連續(xù)精確解釋。

圖6 官8井典型曲線

(2)實踐證明，BP神經(jīng)網(wǎng)絡(luò)彌補(bǔ)了傳統(tǒng)流體識別方法判識功能差、局限性強(qiáng)的缺陷，對本地區(qū)流體識別困難、資料又缺乏的碳酸鹽巖儲層來說，具有強(qiáng)大自適應(yīng)學(xué)習(xí)能力的BP神經(jīng)網(wǎng)絡(luò)是目前可應(yīng)用的精度最高的流體識別方法之一。

[1] 何伶.利用常規(guī)測井資料評價碳酸鹽巖裂縫-孔隙性儲層[J].石油天然氣學(xué)報，2010，32(6)：258-262.

[2] 牛苗寧.富縣地區(qū)馬家溝組碳酸鹽巖測井儲層評價研究[D].西安：西安石油大學(xué)，2013.

[3] 田蒲源.輪古地區(qū)碳酸鹽巖縫洞油藏儲層流體識別技術(shù)研究[D].北京：中國地質(zhì)大學(xué)(北京)，2009.

[4] 何緒全，趙佐安，唐雪萍，等.復(fù)雜碳酸鹽巖儲層流體性質(zhì)識別新技術(shù)[J].天然氣工業(yè)，2005，25(增刊)：32-34.

[5] 賈宏芳.碳酸鹽巖儲層測井解釋方法研究[D].吉林：吉林大學(xué)，2010.

[6] 高憲偉.應(yīng)用測井資料定量識別碳酸鹽巖沉積微相的方法研究[D].成都：成都理工大學(xué)，2013.

[7] 李保霖.基于測井?dāng)?shù)據(jù)的巖性識別方法研究[D].西安：西安科技大學(xué)，2009.

[8] 魯國明.濟(jì)陽坳陷碳酸鹽巖油藏儲層評價及有效厚度研究[J].石油實驗地質(zhì)，2011，33(2)：55-159.

[9] 劉吉余，彭志春，郭曉博.灰色關(guān)聯(lián)分析法在儲層評價中的應(yīng)用-以大慶薩爾圖油田北二區(qū)為例[J].油氣地質(zhì)與采收率，2005，12(2)：13-15．

[10] 呂鋒，劉翔，劉泉.七種灰色系統(tǒng)關(guān)聯(lián)度的比較研究[J]．武漢工業(yè)大學(xué)學(xué)報，2000，22(2)：41-44．

[11] 張紹良，張國良.灰色關(guān)聯(lián)度計算方法比較及其存在問題分析[J].系統(tǒng)工程，1996，14(3)：45-49．

[12] 李明涼.灰色關(guān)聯(lián)度新判別準(zhǔn)則及其計算公式[J].系統(tǒng)工程，1998，16(1)：68-70．

[13] 彭得兵，唐海，李呈祥，等.灰色關(guān)聯(lián)法在剩余油分布研究中的應(yīng)用[J].巖性油氣田，2010，22(3)：133-136.

[14] 肖新平.關(guān)于灰色關(guān)聯(lián)度量化模型的理論研究和評論[J].系統(tǒng)工程理論與實踐，1997，17(8)：76-81．

[15] 雍世和，張超謨.測井?dāng)?shù)據(jù)處理與綜合解釋[M].東營：中國石油大學(xué)出版社，2002：123-124.

[16] 方一竹.川東明月峽碳酸鹽巖地層流體性質(zhì)識別[D].成都：西南石油大學(xué)，2015.

[17] 梁利喜，許強(qiáng)，劉向君.基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)裂縫性儲集層的測井識別[J].新疆石油天然氣，2005，1(3)：51-53.

[18] 陳鋼花，胡琛，曾亞麗，等.基于BP神經(jīng)網(wǎng)絡(luò)的碳酸鹽巖儲層縫洞充填物測井識別方法[J].石油物探，2015，54(1)：99-104.

(編輯 楊芝文)

Logging evaluation for lacustrine carbonate reservoirin the southern ramp of Dongying Depression

Tian Min,Yu Guanghua

(ExplorationandDevelopmentResearchInstituteofShengliOilfieldCompany,SINOPEC,Dongying257015,China)

The carbonate reservoir in the southern ramp of Dongying Depression has a great potential prosperity and is one of important types of reserves replacement.For Chenguanzhuang area in the southern ramp of Dongying Depression,a set of lithologic comprehensive identification methods were established by adopting the improved grey correlation method,the principal component analysis,and the Fisher discriminant method.As a result,the lithology recognition accuracy was improved greatly.It was carried out a tentative research on porosity and determined the formation factor formula of acoustic travel time suitable for the researched region.Aiming at the difficulties in fluid identification,the traditional fluid identification and BP neutral network were compared.The results indicated that the BP neutral network is most suitable for the fluid identification of the region due to its high identification accuracy and adaptive learning ability.

carbonate reservoir；lithology identification；grey correlation method；acoustic travel time formation factor formula；BP neutral network

10.16181/j.cnki.fzyqc.2017.02.006

2016-12-13；改回日期：2017-02-24。

田敏(1979—)，女，工程師，主要從事油氣資源測井評價研究。E-mail：271590278@qq.com。

P631.8

：A