基于非電阻率的低阻致密砂巖氣層含水飽和度預測

賀 斌，馬立濤，蔡瑞豪，胡曉賢，楊鐵梅，鋼胡雅格.

(1.中海油能源發(fā)展股份有限公司工程技術分公司，天津 300452；2.中海油有限公司非常規(guī)油氣分公司，北京 100016)

致密砂巖氣是非常規(guī)天然氣的主要類型，也是目前國際上開發(fā)規(guī)模最大的非常規(guī)天然氣[1]。目前中海油在東海盆地、沁水盆地、鄂爾多斯盆地等多個區(qū)塊開展致密砂巖油氣勘探開發(fā)工作。隨著各個探區(qū)勘探實踐的不斷深入，各勘探領域相繼發(fā)現(xiàn)很多低電阻率油氣藏。鄂爾多斯盆地XX地區(qū)同時發(fā)育常規(guī)致密砂巖儲層和低阻致密砂巖儲層，后者測井電阻率受巖石骨架中導電礦物、黏土及附加導電作用、束縛水、地層水礦化度及泥漿侵入等多種因素影響[2]，導致電阻率測井響應更具多解性。如果用傳統(tǒng)的電阻率方程計算低阻氣層含水飽和度，首先要研究不同的巖石導電規(guī)律，同時還要在定量分析區(qū)塊縱向、橫向不同儲層的低阻主控因素的基礎上，對視電阻率測井曲線進行相關校正，這一過程復雜且具有不確定性。因此，有必要嘗試利用非電阻率方法對低阻氣層含水飽和度進行定量預測。

1 低阻成因分析

國內(nèi)外學者將低阻氣層成因的研究主要分為兩種因素：一為地質(zhì)宏觀因素，二為層內(nèi)微觀因素[3-4]。宏觀因素是指低阻氣層形成的地質(zhì)背景以及沉積、成巖等作用；微觀因素是指低阻氣層的巖性、物性、儲層孔隙結(jié)構、粘土礦物分布及類型、地層水礦化度等因素。同時，低阻成因包括內(nèi)因、外因兩方面[5-7]。內(nèi)因包括儲層自身的某些組分具有強的導電特性，巖石骨架含導電礦物、泥質(zhì)含量高且附加導電作用強、含水飽和度高、地層水礦化度高或巖石強親水等；外因主要包括低電阻率圍巖、鹽水泥漿深侵入、儀器井縱向分層能力有限等。針對不同成因的低阻儲層，前人提出了多種解釋方法。其中，三水導電模型能夠改善低阻儲層電阻率測井的評價效果[8]。該模型考慮自由水、微孔隙水以及粘土束縛水對巖石整體電導率的影響，既能解釋粘土附加導電性對巖石電阻率的降低，又可以解釋泥質(zhì)使巖石電阻率升高的作用，既適用于正常儲集層的解釋，也可以解釋富含微孔隙的低阻儲層，但是模型中參數(shù)較多且不易確定，有待進一步研究。

通過巖心實驗分析，總結(jié)XX地區(qū)低阻氣層成因，初步歸納為以下幾點因素：高鐵質(zhì)礦物、綠泥石薄膜、孔喉結(jié)構差、束縛水飽和度高。

(1)高鐵質(zhì)礦物型。

這類低阻儲層主要受高含量的鐵質(zhì)礦物影響而形成，其主要的鐵質(zhì)礦物類型為黃鐵礦、鐵泥質(zhì)(泥質(zhì)被鐵質(zhì)侵染)、鐵白云石和鐵方解石，絕對含量占比1%～2%。此類儲層由于金屬礦物的存在，使地層中鐵離子和亞鐵離子數(shù)據(jù)明顯增多，從而使地層的導電能力增強，電阻率自然降低。圖1為XX-9井及XX-103井巖心薄片鏡下顯示。XX-9井盒4段儲層孔隙度14%、滲透率3.85 mD，1 590.3 m巖心薄片25倍鏡下顯示鐵質(zhì)礦物含量高，該段測試日產(chǎn)氣160 000方；XX-103井盒3段儲層孔隙度10.93%，滲透率0.89 mD，1 294.07 m巖心薄片50倍鏡下顯示含有明顯鐵泥質(zhì)，該段測試日產(chǎn)氣13 000方。

圖1 鐵質(zhì)礦物鏡下特征Fig.1 Microscopic characteristics of iron-bearing minerals

(2)綠泥石薄膜。

這類低阻儲層特征為低泥質(zhì)含量(2%～5%)，低束縛水飽和度、巖石孔隙度在10%以上，綠泥石絕對含量0.01%～0.04%，多數(shù)顆粒表面被綠泥石呈薄膜狀包裹著。此類儲層因綠泥石薄膜優(yōu)化了孔隙結(jié)構，增強了儲層電荷連通性而形成低阻，且有一定產(chǎn)能。以XX-33井盒4段為例，儲層泥質(zhì)含量4%，孔隙度11%，巖心薄片(圖2)顯示綠泥石薄膜明顯，測試日產(chǎn)氣22 000方。

(3)孔喉結(jié)構差。

通過分析XX地區(qū)84塊巖心樣品的孔喉半徑分布(圖3)得出，干層的孔喉半徑以小于0.05 um為主，絕大部分常規(guī)氣層的孔喉半徑均在0.35 um以上，而低阻氣層的孔喉半徑主要分布在0.1～0.35 um。

(4)相對高束縛水飽和度。

通過分析XX地區(qū)上石盒子束縛水飽和度與孔隙度關系發(fā)現(xiàn)(圖4)，對于孔隙度高達15%以上的氣層，當束縛水飽和度大于50%時氣層顯示為低阻。

圖2 XX-33井綠泥石薄膜鏡下特征Fig.2 Microscopic features of chlorite films of XX-33

圖3 XX地區(qū)巖心樣品孔喉半徑分布圖Fig.3 Distribution diagram of pore throat radius in XX area

圖4 XX地區(qū)上石盒子組孔隙度與束縛水飽和度交會圖Fig.4 Cross graph of porosity and bound water saturation of upper Shihezi Formation

綜上所述，XX地區(qū)氣層的低阻成因復雜多樣，加之巖心實驗資料較為有限，要研究清楚不同儲層的低阻主控因素非常困難。為避免復雜的電阻率環(huán)境校正問題，需嘗試綜合利用各種測井參數(shù)來預測儲層含水飽和度，從而為儲層飽和度參數(shù)評估提供重要參考。

2 資料預處理

研究實驗分析含水飽和度與測井響應之間的關系前，首先要對測井等資料進行質(zhì)量檢查、預處理[9]。

預處理一：由于鉆井取心過程中鉆具丈量、巖心收獲率等影響，使得鉆井取心的巖心深度與測井深度存在一定的偏差，為保證巖心分析數(shù)據(jù)與測井資料對比的可靠性，必須對巖心數(shù)據(jù)進行深度歸位，使巖心分析數(shù)據(jù)與測井數(shù)據(jù)相匹配。利用巖心分析巖石密度與測井密度曲線進行對比，同時考慮巖性與測井曲線的匹配關系，按其最大相似度將巖心深度校正到測井深度。圖5為XX-18井鉆井取芯歸位實例，該井取芯段1 626.3～1 631.9 m，取芯段巖心數(shù)據(jù)相對測井數(shù)據(jù)存在深度誤差。通過巖心密度及巖心孔隙度與測井曲線對比，最終將該取芯段巖心數(shù)據(jù)上移0.6 m。利用該方法對XX地區(qū)的井進行了巖心數(shù)據(jù)深度歸位，詳見表1。

圖5 XX-18井巖心深度歸位圖Fig.5 True depth determination of core of XX-18

預處理二：受測量精度影響，氣測全烴(Tg)或多或少存在深度偏差。通過對比典型氣層中測井曲線響應特征，對XX地區(qū)氣測曲線存在深度偏差的井進行深度校正。如圖6 所示，XX-1井測井綜合解釋三套氣層頂深分別為1 689.3 m、1 696 m、1 709.7 m，而三套氣層的氣測曲線異常(左起第二曲線道內(nèi)紅色曲線)起始深度分別為1 691 m、1 697.6 m、1 711.4 m，氣測曲線明顯存在深度誤差，因此將氣測曲線上移1.6 m(左起第二曲線道內(nèi)綠色曲線)，深度校正后的氣測曲線與測井曲線對應性更合理。

表1 XX地區(qū)巖心深度校正量統(tǒng)計表Table 1 The calibration statistics of core depth in XX area

預處理三：前人研究認為，正常鉆井條件下, 氣測所測得的氣體主要來自井眼的破碎氣，破碎氣的含量與單位時間內(nèi)所破碎的巖石量有關，它主要受鉆頭大小、鉆時及鉆井液排量因素影響。鉆井取芯必然會造成氣測曲線不同程度降低，為對氣測曲線進行取芯校正，引入了沖淡系數(shù)(D)。沖淡系數(shù)的物理意義是單位時間內(nèi)鉆井液排量與單位時間內(nèi)破碎巖石體積之比，在鉆井條件相似的情況下，它是鉆時的函數(shù)。當非精確定量的情況下即不計抽氣泵抽氣速度、脫氣器脫液量和脫氣效率的影響，要修正鉆頭直徑、鉆時以及鉆井液排量對氣測值的影響，將原始氣測值乘以沖淡系數(shù)，即可得到可用于比較的校正氣測全烴[10]。

(1)

(2)

G取心校正=G實測[D取心/D標準]

(3)

式中D標準——取心前正常鉆進時沖淡系數(shù)

D取心——取心鉆進時沖淡系數(shù)

R標準——取心前鉆進時鉆頭半徑

R取心——取心鉆進時鉆頭外半徑

R巖心——巖心半徑

Q標準——取心前鉆進時鉆井液出口排量

Q標準——取心鉆進時鉆井液出口排量

t取心——取心鉆進時鉆時

t標準——取心前鉆進時鉆時

G實測——實測氣測值

G取芯校正——經(jīng)過取心校正后的氣測值

圖6 XX-1井測井曲線組合圖Fig.6 Logging curves composition chart of XX-1

圖7為XX-2井測井曲線組合圖，該井從1 608 m開始取芯，受鉆井取芯影響，氣測曲線(左起第二曲線道內(nèi)紅色曲線)在1 608 m附近突然降低，測得的取芯段氣測平均值為1.12%。利用上述方法對該取芯段氣測曲線進行校正，校正后的氣測平均值為2.97%(左起第二曲線道內(nèi)黑色曲線)。測井綜合解釋該層為氣層，測試獲得工業(yè)氣流。

圖7 XX-2井測井曲線組合圖Fig.7 Logging curves composition chart of XX-2well

預處理四：不同井測井資料受測井年代、儀器刻度、操作等多種因素影響，存在一定的系統(tǒng)誤差，需要對多井測井曲線進行標準化處理[9]，以提高測井信息在全油田范圍內(nèi)解決問題的能力。測井數(shù)據(jù)標準化處理的實質(zhì)是依據(jù)一個區(qū)塊的同一層段、具有相同的地球物理特征、具有自身的分布規(guī)律來完成的。本次研究中，選取井眼狀況良好、測井系列相對完善、具有系統(tǒng)取芯的XX-8井作為標準井；選取沉積環(huán)境相同、具有近似的地球物理特征且易于識別的劉家溝組穩(wěn)定發(fā)育的泥巖作為標志層；利用直方圖的方法，分析研究區(qū)20口井測井數(shù)據(jù)的頻率分布特征，檢查其一致性，并確定校正值。圖8為研究區(qū)20口井密度、中子曲線的校正前后對比直方圖(不同顏色表示不同井)，從圖中看出，標準化前各井的密度、中子孔隙度分布主頻有所差異，標準化后各井的密度、中子分布主頻更為一致，密度集中在2.62 g/cm3左右，中子孔隙度集中在10.5%左右(各井標準化校正量見表2)。

3 含水飽和度敏感性測井參數(shù)分析

對于氣層而言，中子測井讀數(shù)降低，稱之為“挖掘效應”。挖掘效應使得密度和中子孔隙度測井曲線呈現(xiàn)明顯的重疊區(qū)，利用這一特征可以定性識別氣層[11]。通過計算中子、密度孔隙度差可定量表征挖掘效應[12]。在此基礎上，引入校正因子，可進一步提高XX地區(qū)致密砂巖氣層識別精度，具體計算公式如下。

(4)

(5)

(6)

(7)

ρ——密度測井值，g/cm3；

ρMA——巖石骨架密度，g/cm3；

圖8 測井曲線校正前后對比圖Fig.8 Logging curve correction before and after comparison

表2 測井曲線標準化校正量統(tǒng)計表Table 2 The calibration statistics of standardized logging curves

ρF——孔隙中流體密度，g/cm3；

Vsh——測井計算泥質(zhì)含量，%；

ρsh——純泥巖密度測井值，%；

A——常數(shù)。

圖9為研究區(qū)部分井挖掘效應參數(shù)連井圖，從圖中可以看出，利用修正后的挖掘效應定量計算公式得到的挖掘效應參數(shù)POR_Exca能識別絕大多數(shù)氣層，氣層挖掘效應參數(shù)POR_Exca均大于5%。

圖9 XX地區(qū)6口井挖掘效應參數(shù)連井對比圖Fig.9 Even well comparison of POR_Exca in XX region

以研究區(qū)52塊樣品實驗含水飽和度為研究對象，分析其與各種測井參數(shù)之間的相關性(圖10—圖14)。研究發(fā)現(xiàn)含水飽和度與氣測全烴(Tg)、挖掘效應參數(shù)(POR_Exca)、可動孔隙度(PMF)有較好的負相關關系，相關系數(shù)分別為0.74、0.78、0.75，與密度(DEN)、補償中子(CNL)呈正相關關系，相關系數(shù)分別為0.71、0.69。

圖10 實驗含水飽和度與氣測全烴相關性分析Fig.10 Correlation analysis between core core SW and Tg

圖11 實驗含水飽和度與挖掘參數(shù)相關性分析Fig.11 Correlation analysis between core SW and POR_Exca

圖12 實驗含水飽和度與可動孔隙度相關性分析Fig.12 Correlation analysis between core SW and PMF

圖13 實驗含水飽和度與密度相關性分析Fig.13 Correlation analysis between core SW and DEN

圖14 實驗含水飽和度與中子孔隙度相關性分析Fig.14 Correlation analysis between core SW and CNCF

4 神經(jīng)網(wǎng)絡模型確定及精度分析

人工神經(jīng)網(wǎng)絡是由人工神經(jīng)元(簡稱神經(jīng)元)互聯(lián)組成的網(wǎng)絡，能通過自組織自適應能力，找出評價指標與主控因素之間的非線性關系，在理論上可以任意逼近任何非線性映射。目前應用較廣的分層網(wǎng)絡，可以根據(jù)實際輸出和期望輸出之差，對網(wǎng)絡的各層連接權由后向前逐層進行誤差校正的多層前饋網(wǎng)絡，簡稱BP神經(jīng)網(wǎng)絡。該算法所采用的學習過程由正向傳播和反向傳播兩部分組成。在正向傳播過程中，輸入模式從輸入層經(jīng)隱含層逐層處理并傳向輸出層，如果輸出層不是期望的輸出，則誤差信號從輸出層向輸入層傳播，即反向傳播，在反向傳播過程中調(diào)整個層間連接權及各層神經(jīng)元的偏置值，以便誤差逐漸減小。因此，該方法的實質(zhì)是求誤差函數(shù)的最小值，它通過多個樣本的反復訓練，將多個已知樣本訓練得到的各層連接權及各層神經(jīng)元的偏置值等信息作為知識保存，以便對未訓練樣本值進行預測[13-17]。

鑒于本區(qū)含水飽和度敏感性測井參數(shù)分析結(jié)果，本次研究將密度、補償中子、挖掘參數(shù)、可動孔隙度、氣測全烴作為輸入變量，以含水飽和度作為期望輸出變量，通過反復訓練的結(jié)果對比，最終設置隱含層1層，11個隱含層節(jié)點來構建含水飽和度的神經(jīng)網(wǎng)絡預測模型拓撲結(jié)構(圖15)，即三層網(wǎng)絡(5-11-1)。

圖15 各參數(shù)與實驗分析含水飽和度之間的神經(jīng)網(wǎng)絡拓撲圖Fig.15 Neural network topology between logging parameters and core SW

表3為研究區(qū)含水飽和度BP神經(jīng)網(wǎng)絡訓練樣本，其中中子孔隙度、密度、挖掘參數(shù)、可動孔隙度、氣測全烴為輸入因子，含水飽和度為輸出因子。通過計算收斂誤差，反復循環(huán)迭代，最終確定迭代750次為最優(yōu)化方案。表4為對一口驗證井含水飽和度預測結(jié)果的誤差統(tǒng)計，從表中看出相對誤差較小，絕對誤差基本在5%以內(nèi)，可以為XX地區(qū)低阻致密砂巖氣層含水飽和度測井解釋提供可靠參考。

表3 BP神經(jīng)網(wǎng)絡訓練樣本集Table 3 Training sample set of BP neural network

續(xù)表

表4 驗證井預測含水飽和度與巖心含水飽和度誤差統(tǒng)計Table 4 Error analysis between calculate SW and core SW of the verification well

圖16為研究區(qū)一口產(chǎn)氣井測井解釋成果圖。該井1 458.4～1 466.7 m測井視電阻率較低，為10 Ω·m。結(jié)合氣測等資料綜合判斷該層含氣性較好，測試日產(chǎn)氣18萬方，為典型低阻氣層。由于受低視電阻率影響，該段測井解釋含氣飽和度較低，平均為40%。利用神經(jīng)網(wǎng)絡方法預測該層含氣飽和度平均值為60%，與研究區(qū)四性分析得到的高產(chǎn)層含氣飽和度55%以上結(jié)果一致。

5 結(jié)論

(1)鄂爾多斯盆地XX地區(qū)致密砂巖氣層低阻現(xiàn)象較為普遍，據(jù)初步分析，不同層位的低阻成因復雜多樣，主要因素包括鐵質(zhì)礦物、綠泥石薄膜、孔喉結(jié)構差及束縛水含量高等。

(2)含水飽和度與挖掘效應參數(shù)(POR_Exca)、可動孔隙度(PMF)、氣測全烴(Tg)有較好的負相關關系，相關系數(shù)均在0.75左右；與密度(DEN)、中子孔隙度(CNCF)呈正相關關系，相關系數(shù)在0.7左右。

(3)選擇密度、中子、挖掘參數(shù)、可動孔隙度、氣測全烴等五種參數(shù)作為輸入變量，將巖心實驗含水飽和度作為輸出變量，設置1個隱含層，11個隱含層節(jié)點，建立三層網(wǎng)絡(5-11-1)對儲層含水飽和度進行預測。

(4)BP神經(jīng)網(wǎng)絡模型預測得到的含水飽和度與實驗含水飽和度之間誤差較小，基本誤差基本在5%以內(nèi)。

(5)利用該模型對XX區(qū)獲得工業(yè)氣流的典型低阻氣層井進行含水飽和度預測，結(jié)果與測試結(jié)論一致性高，該方法可以為XX地區(qū)低阻氣層含水飽和度測井預測提供重要參考。

圖16 XX-9井測井綜合解釋成果圖Fig.16 Logging interpretation result map of XX-9