南蘇丹P區(qū)塊高孔隙度高滲透率儲層束縛水飽和度確定方法

馬小林,陳科貴,黃亮,李冰,郭紅光,蔣新宇

(1.西南石油大學地球科學與技術學院,四川成都610500;2.中國石油集團測井有限公司國際事業(yè)部,北京100000;3.中國石油集團測井有限公司長慶分公司,陜西西安710000)

0 引 言

一直以來,束縛水飽和度都是儲層評價的難題,雖然其在儲層評價中有重要作用,但是沒有一種能獨立評價束縛水飽和度的解釋模型。前人對束縛水飽和度模型建立已經開展了很多研究,雍世和等[1]根據中國東部6個油田的取心分析資料,采用數學統(tǒng)計分析方法建立了束縛水飽和度的經驗公式;陳科貴等[2]通過核磁共振測井資料,利用孔隙度指數建立束縛水飽和度模型;朱林奇等[3]利用核磁共振測井資料結合壓汞實驗預測束縛水飽和度模型。

南蘇丹P區(qū)塊缺乏密閉取心資料以及核磁共振測井資料,該區(qū)高孔隙度高滲透率儲層建立束縛水飽和度模型存在很大的難度,本文基于研究區(qū)5口取心井的巖心分析資料,通過對束縛水飽和度的影響因素分析,分別在研究區(qū)采用多元線性回歸法求取束縛水飽和度模型和BP神經網絡預測束縛水飽和度。

1 區(qū)域地質概況

1.1 儲層巖性、物性特征

南蘇丹P區(qū)塊發(fā)育2套主力含油層系Yabus組與Samma組,其巖石類型主要為礫巖、含泥礫粗砂巖、中細砂巖、粉砂巖和泥巖,其中以含泥礫粗砂巖、中細砂巖為主。通過對該研究區(qū)431個巖心樣品點物性進行統(tǒng)計分析,其孔隙度分布在8.1%～41.6%,主要在25%～35%;滲透率跨度較大,分布在(0.005～36 133)×10-3μm2,主要集中在(100～10 000)×10-3μm2。結果表明,南蘇丹P區(qū)塊目的層屬于高孔隙度高滲透率儲層,孔隙度值與滲透率值變化范圍很大。

1.2 黏土礦物特征

統(tǒng)計分析表明,研究區(qū)黏土礦物以高嶺石為主,伊利石次之。研究區(qū)高嶺石常常以書頁狀、塊狀及蠕蟲狀集合體賦存于次生溶孔或原生粒間孔中,易引起孔隙堵塞,使束縛水飽和度增大;伊利石黏土質點小,可自成蜂窩狀微孔隙,呈網狀、絮狀及發(fā)絲狀分布于巖石孔隙中,有的包裹在巖石表面,具有較強的吸水性,可吸附大量的水,造成束縛水飽和度增大[4]。

1.3 束縛水飽和度特征

通過對取心巖樣做壓汞實驗,對得到的束縛水飽和度統(tǒng)計分析,束縛水飽和度分布在8%～79.8%,其中大部分值分布在15%～30%。束縛水飽和度的大小和研究區(qū)高孔隙度高滲透率儲層油水評價、水淹級別劃分以及剩余儲量計算有著密切的關系。因此,研究束縛水飽和度和建立適合于研究區(qū)高孔隙度高滲透率儲層的束縛水飽和度模型具有重要的現實意義[5]。

2 單因素分析

大量研究表明束縛水飽和度受多種因素控制,不僅與儲層的泥質含量、巖石顆粒的粗細有關,而且與儲層的孔隙結構有著十分密切的關系[6]。

2.1 泥質含量對束縛水飽和度的影響

在研究區(qū)高孔隙度高滲透率儲層巖石中,泥質主要以3種形式存在:分散泥質、層狀泥質和結構泥質。分散泥質分布在砂巖顆粒的表面,其體積占據了粒間孔隙的一部分,不承擔上覆層壓力,束縛水含量較多;層狀泥質在砂巖中呈條帶分布,其體積取代了一部分砂粒及粒間孔隙,孔隙度降低,使得束縛水飽和度上升;結構泥質指泥質呈顆?；蚪Y核狀分布在砂巖中,其代替了部分砂巖而不影響巖石的粒間孔隙,這部分泥質對束縛水飽和度影響不大[6-7]。根據圖1,由研究區(qū)巖心分析所建立的束縛水飽和度與泥質含量的關系可以看出,束縛水飽和度隨著泥質含量的增大而增大。

圖1 束縛水飽和度與泥質含量關系圖

2.2 粒度中值對束縛水飽和度的影響

巖石顆粒的粗細往往采用粒度中值Md表征,粒度中值指累積曲線上與累積百分含量為50%處相對應的粒徑。大量實際資料和數學統(tǒng)計表明,在高孔隙度高滲透率儲層中,粒度中值與自然伽馬有較好的相關性[8]。本文通過實驗數據建立粒度中值與束縛水飽和度關系圖(見圖2),說明束縛水飽和度隨著粒度中值增大而減小。

圖2 束縛水飽和度與粒度中值關系圖

2.3 孔隙結構對束縛水飽和度的影響

圖3 孔隙結構指數與束縛水飽和度關系圖

3 多元線性回歸建立束縛水飽和度模型

研究發(fā)現巖石顆粒粗細對束縛水飽和度有一定影響,而黏土含量和孔隙結構對束縛水飽和度影響相對較大。一般來說,黏土顆粒表面均帶負電荷,水分子在巖石中是一種極性分子,對外顯示正、負極性。因此,黏土顆粒表面能直接吸附極性水分子,這部分被吸附的水分子稱為吸附水;同時被黏土表面吸引的陽離子又可以與極性水分子結合形成水合離子,與陽離子結合的極性水分子稱為結合水。就這樣吸附水和結合水在黏土顆粒的表面形成了一層水膜,即使黏土含量不高,但黏土顆粒比面大,形成的束縛水也不可忽視[11-12]。分析發(fā)現,在同一儲層中,有時候相同的孔隙度滲透率卻差了幾個數量級,這往往是孔隙結構不同引起的。研究表明,巖性越復雜孔隙結構的差異越大,束縛水飽和度的研究越困難。因此,在研究束縛水飽和度模型時,利用泥質含量、孔隙結構,采用多元線性回歸分析方法建立模型。

回歸模型為

R=0.7968

(1)

式中,Swi為束縛水飽和度,%;K為滲透率,×10-3μm2;φ為孔隙度,小數;Vsh為泥質含量,小數。

4 BP神經網絡預測束縛水飽和度

神經網絡目前在各個領域的應用都較為廣泛,BP神經網絡是其中比較常用且比較成熟的一種。它是一個有監(jiān)督訓練的多層神經網絡算法,每一次訓練對(輸入與輸出)在網絡中經過2遍遞算:從輸入層開始,經過多層傳遞、處理,產生1個輸出,求出該計算輸出與希望輸出之差的誤差矢量;第2遍反向傳播計算,從輸出層至輸入層,利用誤差矢量對權值進行逐層修改[13-14]。由于其特殊的網絡結構,具有實現任何復雜非線性映射的功能,適合于求解內部機制較為復雜的問題,在研究區(qū)高孔隙度高滲透率儲層的背景下,對于束縛水飽和度的預測有著很好的應用前景。

4.1 BP神經網絡基本原理

圖4 BP神經網絡拓撲結構圖

BP神經網絡是一種按誤差反向傳播訓練的多層前饋網絡。它采用梯度下降法計算目標函數的最小值,具有任意復雜的模式分類能力和優(yōu)良的多維函數映射能力,包含多個輸入節(jié)點,在經由隱含層加權計算后,將誤差反向傳播,對非線性結構不斷進行優(yōu)化,將復雜的非線性映射關系簡化,最終實現輸入參數和輸出參數的完美映射?；镜腂P算法包含前向傳播與誤差的反向傳播2個過程(見圖4),信號輸入后逐層加權向前傳輸,再將輸出值與期望值對比計算誤差,然后誤差逐層反向傳播調整計算權值,經過不斷的調整權值,使輸出值與期望值的誤差越來越小,直至誤差小于設定的誤差值或者達到最大運算次數,此時運算結束得到輸出值[15-17]。

圖5 BP神經網絡擬合分析圖

4.2 束縛水飽和度預測模型

BP神經網絡進行非線性函數擬合時,擬合結果取決于訓練樣品的質量,樣品既要保證其真實性與可靠性,又要保證在研究區(qū)具有代表性和廣泛性[18]。本文首先對研究區(qū)5口取心井的測井曲線進行標準化,整理了124個樣品點,從中隨機篩選出104個樣品組成訓練樣本。根據研究分析選取泥質含量、孔隙度、滲透率以及粒度中值作為輸入曲線,其中泥質含量由中子-密度測井求得,孔隙度由擬合的密度—孔隙度交會圖模型求得,滲透率由擬合的分層段孔隙度—滲透率交會圖模型求得,粒度中值由自然伽馬求得。為防止數據本身的差異對計算結果造成不必要的誤差,對樣本數據進行歸一化處理,歸一化后數據值分布在[-1,1]。學習訓練的極限誤差設為0.000 1,學習率設為0.01,最大循環(huán)次數500次,BP神經網絡預測模型的結構為4×10×1。輸入樣品訓練完畢后,用剩余的20個樣品點對神經網絡進行驗證。

整體訓練結束后,對該神經網絡模型進行分析,總體擬合優(yōu)度為88.528%(見圖5),將通過模型獲得的實際輸出與期望輸出進行對比,模型預測結果的最大相對誤差為4.8%。研究表明,通過泥質含量、孔隙度、滲透率和粒度中值可以很好地預測束縛水飽和度。

5 應用實例

在研究區(qū)X1井中分別對孔隙結構模型、多元回歸模型和BP神經網絡3種束縛水求取方法進行了驗證(見圖6)。對比發(fā)現孔隙結構模型計算束縛水飽和度符合率較低,誤差較大,平均絕對誤差為12.46%,平均相對誤差為49%。多元回歸擬合考慮到孔隙結構指數與泥質含量的影響,符合率相對于孔隙結構指數模型有一定的提升,大多數點的誤差都控制在較小的范圍內,但仍有部分點與巖心束縛水飽和度相差較大,平均絕對誤差為4.73%,平均相對誤差為19%。相比而言,BP神經網絡在預測束縛水飽和度有著更好的符合性,95%以上的巖心樣品的絕對誤差值均在5%以內,平均絕對誤差為1.17%,平均相對誤差為6.45%。

圖6 X1井應用實例*非法定計量單位,1 ft=12 in=0.304 8 m,下同

將BP神經網絡應用于生產井中,以研究區(qū)X2井為例(見圖7),在1 309.7～1 314.8 m井段,該段自然伽馬值降低、自然電位異常幅度降低、電阻率降低、深淺側向電阻率測井差異不明顯,該層段孔隙度值為29.21%,滲透率為1 346.25×10-3μm2,含水飽和度在70%左右,采用BP神經網絡求取的束縛水飽和度在26%左右,根據研究區(qū)水淹評級標準,綜合解釋為強水淹層。分層生產資料顯示,該層日產油13.88 m3,日產水145.67 m3,產水率91.3%。解釋結論與生產結果相符,表明BP神經網絡預測束縛水飽和度在研究區(qū)高孔隙度透率高滲儲層中應用效果很好。

圖7 X2井應用實例

6 結 論

(1)南蘇丹P區(qū)塊儲層屬于高孔隙度高滲透率儲層,具有孔隙度、滲透率及束縛水飽和度變化范圍大,孔滲結構復雜等特點,巖性以含泥礫粗砂巖、中細砂巖為主,黏土礦物以高嶺石為主,伊利石次之。

(2)束縛水飽和度的大小很大程度上受到巖石內在因素影響,主要與泥質含量、粒度中值、孔隙結構有關。

(3)從研究區(qū)高孔隙度高滲透率儲層實際情況出發(fā),對束縛水飽和度的影響因素作單因素分析,然后應用多元線性回歸和BP神經網絡建立了2種束縛水飽和度模型,在研究區(qū)X1井中驗證分析。單因素孔隙度指數建立的模型符合度較差,誤差較大,平均絕對誤差為12.46%;多元回歸擬合模型符合度較好,誤差控制在較小的范圍內,平均絕對誤差為4.73%;BP神經網絡預測符合度最好,平均絕對誤差為1.17%。

(4)研究區(qū)X2井應用BP神經網絡預測的束縛水飽和度模型后,結果表明,解釋結論與生產動態(tài)資料相符,應用效果好,可在研究區(qū)廣泛推廣使用。