頁(yè)巖巖相的測(cè)井曲線識(shí)別方法
——以焦石壩地區(qū)五峰組—龍馬溪組為例

楊 洋，石萬(wàn)忠，2，張曉明，王 任，2，徐笑豐，劉俞佐，白盧恒，曹沈廳，馮 芊

（1.中國(guó)地質(zhì)大學(xué)（武漢）資源學(xué)院，武漢 430074；2.中國(guó)地質(zhì)大學(xué)（武漢）教育部構(gòu)造與油氣資源重點(diǎn)實(shí)驗(yàn)室，武漢 430074）

0 引言

“巖相”一詞主要用來(lái)表征巖石的礦物學(xué)及沉積學(xué)特征（礦物組成、結(jié)構(gòu)、構(gòu)造、顏色、分選、磨圓等）。國(guó)內(nèi)外對(duì)于頁(yè)巖巖相劃分進(jìn)行了諸多研究，提出多種巖相劃分方案，目前還未形成統(tǒng)一的劃分方案。Hickey 等［1］結(jié)合頁(yè)巖礦物組成、結(jié)核發(fā)育、生物特征將Barnett 頁(yè)巖劃分出6 種巖相；Simenson［2］，Alshahrani［3］以及Potma 等［4］根據(jù)巖石顏色、紋層特征、礦物組成、生物特征分別對(duì)Bakken 頁(yè)巖、Cleveland 頁(yè)巖、Horn River 頁(yè)巖進(jìn)行了巖相劃分。對(duì)于國(guó)內(nèi)上奧陶統(tǒng)—下志留統(tǒng)的五峰組—龍馬溪組海相頁(yè)巖巖相的劃分方案多樣，但均以巖石礦物組成為基礎(chǔ)，如梁超等［5］、郭彤樓等［6］、吳藍(lán)宇等［7］、王玉滿(mǎn)等［8］王志峰等［9］、Liu 等［10］依據(jù)紋層發(fā)育特征、礦物組成進(jìn)行頁(yè)巖巖相劃分；冉波等［11］、鄒才能等［12］依據(jù)礦物組成和巖石顏色特征進(jìn)行頁(yè)巖巖相劃分；Jiang等［13］、鄭和榮等［14］結(jié)合紋層發(fā)育特征、礦物組成、生物特征進(jìn)行頁(yè)巖巖相劃分?？紤]到紋層發(fā)育特征、巖石顏色、生物特征等很難通過(guò)測(cè)井曲線來(lái)反映，因此，本文對(duì)于頁(yè)巖巖相，是依據(jù)組成巖石的黏土礦物、硅質(zhì)礦物（石英+長(zhǎng)石）、碳酸鹽礦物三者相對(duì)含量的不同進(jìn)行劃分，將頁(yè)巖巖相劃分為4類(lèi)：當(dāng)巖石中黏土礦物、硅質(zhì)礦物或碳酸鹽礦物相對(duì)質(zhì)量分?jǐn)?shù)大于50%時(shí)，可分別稱(chēng)為黏土質(zhì)頁(yè)巖相、硅質(zhì)頁(yè)巖相或灰質(zhì)頁(yè)巖相；若礦物相對(duì)質(zhì)量分?jǐn)?shù)均未超過(guò)50%，則稱(chēng)為混合質(zhì)頁(yè)巖相。同時(shí)每一種巖相又可細(xì)分為四小類(lèi)，共計(jì)16 種頁(yè)巖巖相［7］。不同頁(yè)巖巖相其物性、TOC 含量，含氣性等均表現(xiàn)出一定的差異性，因此，若能快速準(zhǔn)確識(shí)別巖相類(lèi)型，將有利于頁(yè)巖油氣田的精細(xì)勘探與高效開(kāi)發(fā)。

學(xué)者們?cè)诶脺y(cè)井曲線識(shí)別巖相的研究方面開(kāi)展了大量工作，研究方法主要為常規(guī)數(shù)學(xué)統(tǒng)計(jì)分析法和機(jī)器學(xué)習(xí)法。常規(guī)數(shù)學(xué)統(tǒng)計(jì)分析主要包括，利用測(cè)井曲線交會(huì)圖進(jìn)行識(shí)別［15-17］，利用雷達(dá)圖版進(jìn)行識(shí)別［18-20］，利用主成分分析、Fisher 判別分析等進(jìn)行識(shí)別［21-23］。通過(guò)機(jī)器學(xué)習(xí)進(jìn)行巖相識(shí)別包括，利用神經(jīng)網(wǎng)絡(luò)、SVM 算法、模糊推理等［24-30］?？紤]到常規(guī)數(shù)學(xué)統(tǒng)計(jì)方法較為簡(jiǎn)單，不利于推廣；機(jī)器學(xué)習(xí)方法又較為復(fù)雜。本文在調(diào)研前人研究成果的基礎(chǔ)上，從頁(yè)巖巖相劃分的標(biāo)準(zhǔn)出發(fā)，利用測(cè)井曲線，分別建立黏土礦物相對(duì)含量、硅質(zhì)礦物相對(duì)含量預(yù)測(cè)方程，進(jìn)而識(shí)別頁(yè)巖巖相；統(tǒng)計(jì)分析不同巖相的測(cè)井響應(yīng)特征，建立巖相識(shí)別雷達(dá)圖版；提出預(yù)測(cè)方程定量識(shí)別結(jié)合雷達(dá)圖版定性識(shí)別的頁(yè)巖巖相識(shí)別新方法以期指導(dǎo)實(shí)際的勘探開(kāi)發(fā)。

1 區(qū)域地質(zhì)概況

焦石壩頁(yè)巖氣田主體位于四川盆地東南部的涪陵地區(qū)，構(gòu)造位置為川東褶皺帶方斗山背斜帶和萬(wàn)縣復(fù)向斜的結(jié)合部位［31］，構(gòu)造整體呈北東向，區(qū)內(nèi)發(fā)育北西向和北東向2 套斷裂系統(tǒng)，主體構(gòu)造平緩，呈北東走向，邊緣受到北東向和近南北向2 組斷裂夾持呈箱狀背斜構(gòu)造［32-33］（圖1）。該區(qū)先后經(jīng)歷了加里東運(yùn)動(dòng)、印支運(yùn)動(dòng)、燕山運(yùn)動(dòng)、喜馬拉雅運(yùn)動(dòng)等多期構(gòu)造運(yùn)動(dòng)的聯(lián)合改造［7，34-35］。受構(gòu)造運(yùn)動(dòng)的影響，晚奧陶世—早志留世，黔中隆起、川中隆起、雪峰隆起形成，改變了早—中奧陶世的廣海環(huán)境，形成被隆起圍限的局限海域［36］，沉積了上奧陶統(tǒng)—下志留統(tǒng)的海相頁(yè)巖。該時(shí)期正處于全球海平面上升的背景下，受到周邊“多隆夾一凹”的構(gòu)造形態(tài)的影響，該地區(qū)處于相對(duì)穩(wěn)定、安靜的深水環(huán)境［17］。五峰組—龍馬溪組在整個(gè)研究區(qū)分布面積約443.3 km2，其下部主要為深水陸棚沉積，發(fā)育大套黑色富有機(jī)質(zhì)硅質(zhì)頁(yè)巖，上部為淺水陸棚沉積，中部為混合質(zhì)頁(yè)巖和黏土質(zhì)頁(yè)巖，縱向上可以分出3個(gè)層段［37-39］。

圖1 焦石壩地區(qū)區(qū)域構(gòu)造位置（據(jù)文獻(xiàn)［33］修改）Fig.1 Regional tectonic location of Jiaoshiba area

2 焦石壩頁(yè)巖礦物組成特征

選擇焦石壩地區(qū)五峰組—龍馬溪組為研究對(duì)象，對(duì)焦頁(yè)A 井、焦頁(yè)B 井以及焦頁(yè)C 井等3 口鉆井共計(jì)243 組XRD 測(cè)試數(shù)據(jù)進(jìn)行三角投圖（圖2），可以看出，該地區(qū)巖相以黏土質(zhì)頁(yè)巖、硅質(zhì)頁(yè)巖、混合質(zhì)頁(yè)巖為主。

研究區(qū)巖石礦物組成以黏土礦物和硅質(zhì)礦物為主（表1），其中黏土質(zhì)頁(yè)巖相中黏土礦物的質(zhì)量分?jǐn)?shù)為50.16%～68.98%，平均值為58.29%，硅質(zhì)礦物的質(zhì)量分?jǐn)?shù)為31.02%～47.29%，平均值為39.09%，碳酸鹽礦物的質(zhì)量分?jǐn)?shù)為0～11.98%，平均值為6.34%；混合質(zhì)頁(yè)巖相中黏土礦物的質(zhì)量分?jǐn)?shù)為19.7%～49.73%，平均值為41.88%，硅質(zhì)礦物的質(zhì)量分?jǐn)?shù)為26.08%～49.8%，平均值為44.96%，碳酸鹽礦物的質(zhì)量分?jǐn)?shù)為4.3%～37.89%，平均值為11.82%；硅質(zhì)頁(yè)巖相中黏土礦物的質(zhì)量分?jǐn)?shù)為17.26%～49.64%，平均值為33.04%，硅質(zhì)礦物的質(zhì)量分?jǐn)?shù)為50.21%～75.37%，平均值為57.49%，碳酸鹽礦物的質(zhì)量分?jǐn)?shù)為3.82%～21.19%，平均值為29.33%。

圖2 焦石壩頁(yè)巖巖相劃分圖CM.黏土質(zhì)頁(yè)巖相；CM-1.含硅黏土質(zhì)頁(yè)巖相；CM-2.混合黏土質(zhì)頁(yè)巖相；CM-3.含灰黏土質(zhì)頁(yè)巖相；S.硅質(zhì)頁(yè)巖相；S-1.含灰硅質(zhì)頁(yè)巖相；S-2.混合硅質(zhì)頁(yè)巖相；S-3.含黏土硅質(zhì)頁(yè)巖相；M.混合質(zhì)頁(yè)巖相；M-1.含灰/硅混合質(zhì)頁(yè)巖相；M-2.含黏土/硅混合質(zhì)頁(yè)巖相；M-3.含黏土硅質(zhì)頁(yè)巖相；C.灰質(zhì)頁(yè)巖相；C-1.含硅灰質(zhì)頁(yè)巖相；C-2.混合灰質(zhì)頁(yè)巖相；C-3.含黏土/灰混合質(zhì)頁(yè)巖相Fig.2 Classification of shale lithofacies in Jiaoshiba area

表1 3 口鉆井不同頁(yè)巖巖相礦物組分特征Table 1 Mineral components characteristics of different shale lithofacies in three wells %

3 頁(yè)巖巖相測(cè)井識(shí)別方法

目前頁(yè)巖巖相識(shí)別主要通過(guò)在實(shí)驗(yàn)室進(jìn)行礦物組分含量測(cè)試的方法來(lái)實(shí)現(xiàn)，該方法雖然精確，但存在取心資料不全、成本高、縱向不連續(xù)、橫向展布不清楚的缺點(diǎn)，而測(cè)井資料具有縱向連續(xù)、資料較為普遍、成本相對(duì)較低、且能反映地層的物性、電性信息等優(yōu)點(diǎn)，學(xué)者們?cè)槍?duì)該地區(qū)研究過(guò)TOC、孔隙度與測(cè)井曲線的響應(yīng)關(guān)系，均找到了很好的對(duì)應(yīng)關(guān)系［39-43］。本文擬通過(guò)分析巖心測(cè)試資料與測(cè)井?dāng)?shù)據(jù)，在測(cè)井?dāng)?shù)據(jù)與礦物組分之間建立聯(lián)系，進(jìn)而實(shí)現(xiàn)利用測(cè)井曲線識(shí)別頁(yè)巖巖相的目的。

3.1 測(cè)井曲線篩選及敏感性分析

為探討測(cè)井曲線同礦物組分之間的聯(lián)系，以焦石壩地區(qū)3 口井，共計(jì)243 組巖心測(cè)試數(shù)據(jù)進(jìn)行分析，初步篩選同礦物組分含量相關(guān)性較好的測(cè)井曲線，來(lái)建立礦物含量預(yù)測(cè)方程。

在實(shí)際生產(chǎn)中往往存在測(cè)井?dāng)?shù)據(jù)與地層深度不匹配的問(wèn)題，首先對(duì)比自然伽馬曲線（GR）與錄井巖性剖面，對(duì)3 口鉆井的測(cè)井曲線進(jìn)行了深度歸位；在鉆井過(guò)程中也會(huì)存在由縮徑或擴(kuò)徑現(xiàn)象引起的測(cè)井?dāng)?shù)據(jù)異常，這些異常對(duì)密度測(cè)井（DEN）和中子測(cè)井（CNL）會(huì)產(chǎn)生較大影響［44］，因此，對(duì)異常段的測(cè)井值進(jìn)行了校正。

為了更好地建立測(cè)井曲線與巖石礦物組分之間的聯(lián)系，以每一個(gè)進(jìn)行過(guò)XRD 測(cè)試的樣品點(diǎn)所對(duì)應(yīng)深度為中心，上下各取0.2 m，共計(jì)0.4 m 深度段的測(cè)井曲線取平均值，作為該測(cè)試點(diǎn)樣品所對(duì)應(yīng)的測(cè)井曲線數(shù)值。

3 口鉆井各有包括GR，DEN，CNL，U，SP，AC等在內(nèi)的12 條測(cè)井曲線，考慮到U/Th 大小可以反映水體的氧化還原環(huán)境，當(dāng)w（U）/w（Th）大于1.25時(shí)，水體為厭氧環(huán)境；當(dāng)w（U）/w（Th）為0.75～1.25時(shí)，水體為貧氧環(huán)境；當(dāng)w（U）/w（Th）小于0.75 時(shí)，為富氧環(huán)境［45-46］，而沉積環(huán)境在一定程度上控制了巖石礦物組分的差異。因此分別將原有的12 條測(cè)井曲線以及U/Th 測(cè)井曲線與硅質(zhì)礦物相對(duì)含量、黏土礦物相對(duì)含量進(jìn)行相關(guān)性分析（表2），對(duì)比分析了不同測(cè)井曲線與黏土礦物含量和硅質(zhì)礦物含量之間的相關(guān)性，篩選出3 口鉆井中相關(guān)性均較好的6 條測(cè)井曲線：DEN，U，CNL，K，KTh，U/Th，用以建立礦物相對(duì)含量預(yù)測(cè)方程。

焦石壩地區(qū)五峰組—龍馬溪組頁(yè)巖沉積于深水陸棚環(huán)境，硅質(zhì)以生物硅為主，富集于還原環(huán)境，有機(jī)質(zhì)含量高［7，47］，因U 元素常富集于還原環(huán)境，且有機(jī)質(zhì)對(duì)U 元素具有較強(qiáng)的吸附能力［48］，所以，硅質(zhì)礦物含量高的層位，常表現(xiàn)出低密度、高U、高U/Th的特征；CNL反映地層中的氫元素，黏土礦物含有結(jié)晶水，隨黏土礦物含量的增加，地層束縛水含量相應(yīng)的增加，會(huì)造成中子孔隙度值的增加［49］，K，Th一般為黏土礦物本身的離子元素，其值也隨黏土礦物增加而增加［44］，同時(shí)，黏土礦物含量高的層位因缺少剛性礦物的支撐，壓實(shí)程度較高，相應(yīng)的，密度測(cè)井值較高。因此，黏土礦物含量高的層位，常表現(xiàn)出高DEN、高CNL、高K、高KTh 的特征。

綜合上述相關(guān)性分析及敏感性分析可知，不同測(cè)井方法與黏土礦物、硅質(zhì)礦物含量存在關(guān)聯(lián)性，因此可以通過(guò)DEN，U，CNL，K，KTh，U/Th 測(cè)井曲線建立礦物含量的預(yù)測(cè)模型。

3.2 礦物相對(duì)含量預(yù)測(cè)方程建立

考慮到僅有3 口鉆井共計(jì)243 組數(shù)據(jù)，為了增強(qiáng)預(yù)測(cè)方程的穩(wěn)定性，摒棄常規(guī)思路，即利用2 口鉆井?dāng)?shù)據(jù)建立預(yù)測(cè)方程，用另一口鉆井檢驗(yàn)預(yù)測(cè)方程的準(zhǔn)確性。此方法雖然能夠?qū)︻A(yù)測(cè)方程的準(zhǔn)確性進(jìn)行檢驗(yàn)，但并沒(méi)有將另一口鉆井的有效信息充分利用，降低了預(yù)測(cè)方程的穩(wěn)定性。

表2 測(cè)井曲線與礦物組分含量相關(guān)性（R）分析Table 2 Correlation analysis between logging curves and mineral composition %

建立預(yù)測(cè)方程采用的方法是將3口鉆井的數(shù)據(jù)綜合起來(lái)，按順序依次以每3 個(gè)數(shù)據(jù)為一組，標(biāo)號(hào)1，2，3，……。1，2，3 提取出編號(hào)為1，2 的數(shù)據(jù)，作為樣本集，用于建立礦物相對(duì)含量的預(yù)測(cè)方程；提取出編號(hào)為3 的數(shù)據(jù)，作為測(cè)試集，用以檢驗(yàn)所建立預(yù)測(cè)方程的應(yīng)用效果。不同的測(cè)井系列之間還存在量綱不統(tǒng)一的問(wèn)題，因此，利用歸一化的方法分別對(duì)樣本集數(shù)據(jù)和測(cè)試集數(shù)據(jù)進(jìn)行處理，以消除不同量綱的影響。選用的歸一化方式為離差標(biāo)準(zhǔn)化，將原始數(shù)據(jù)映射到［0，1］，轉(zhuǎn)換函數(shù)如下

式中：Xi為歸一化后的數(shù)據(jù)；xi為原始數(shù)據(jù)；xmin為原始數(shù)據(jù)的最小值；xmax為原始數(shù)據(jù)的最大值。

該方法的優(yōu)點(diǎn)在于，一方面將有效的信息充分利用起來(lái)，使得所建立的預(yù)測(cè)方程穩(wěn)定性更強(qiáng)，另一方面，雖然樣本集和測(cè)試集均來(lái)自于3 口鉆井的數(shù)據(jù)，但分別進(jìn)行了歸一化的處理，使得用于建立預(yù)測(cè)方程的樣本集和用于檢驗(yàn)的測(cè)試集具有獨(dú)立性，在一定程度上避免了“自己預(yù)測(cè)自己”的問(wèn)題。

利用篩選出的DEN，U，CNL，K，KTh，U/Th 測(cè)井曲線，通過(guò)SPSS 軟件進(jìn)行線性回歸分析，分別對(duì)比了測(cè)井曲線在不同組合情況下的擬合效果，如表3所列?？紤]到擬合公式既要有較好的相關(guān)性，同時(shí)所選變量不宜過(guò)多，以削弱多重共線性的影響，最終選擇利用歸一化后的DEN，U，CNL測(cè)井曲線建立的預(yù)測(cè)方程來(lái)進(jìn)行黏土礦物和硅質(zhì)礦物相對(duì)含量的預(yù)測(cè)，預(yù)測(cè)方程分別為

式中：DEN，w（U），CNL分別為歸一化后的密度、鈾、中子測(cè)井曲線值。

3.3 預(yù)測(cè)效果分析

通過(guò)上文所建立的預(yù)測(cè)方程，對(duì)測(cè)試集的礦物組分相對(duì)含量進(jìn)行了預(yù)測(cè)，預(yù)測(cè)誤差如圖3 所示，整體預(yù)測(cè)效果較好。

硅質(zhì)礦物含量的預(yù)測(cè)誤差為-10.3%～12.6%，誤差的平均值為1%，標(biāo)準(zhǔn)差約為5.0%。其誤差整體符合正態(tài)分布特征，約69.27%的數(shù)據(jù)誤差為-4.0%～6.0%，約95%的數(shù)據(jù)誤差為-9.0%～11.0%。誤差具體分布特征如圖3（a）所示。

黏土礦物含量預(yù)測(cè)誤差為-16.15%～13.4%，誤差平均值為-1.9%，標(biāo)準(zhǔn)差約為5.4%。其誤差也符合正態(tài)分布特征，約69.27%的數(shù)據(jù)誤差為-7.3%～3.5%，約95%的數(shù)據(jù)誤差為-12.7%～8.9%，誤差具體分布特征如圖3（b）所示。

考慮到w（黏土）相對(duì)、w（硅質(zhì)）相對(duì)、w（碳酸鹽）相對(duì)之和為100%，在利用上文預(yù)測(cè)方程計(jì)算出w（硅質(zhì)）相對(duì)和w（黏土）相對(duì)之后，可推斷w（碳酸鹽）相對(duì)，再進(jìn)行三角投點(diǎn)，即可識(shí)別巖相。巖相整體識(shí)別效果見(jiàn)圖4，對(duì)于測(cè)試集的整體識(shí)別準(zhǔn)確度達(dá)到77.8%，具體不同巖相的識(shí)別效果如表4 所列。

表3 擬合效果對(duì)比分析Table 3 Comparison analysis of fitting effect

圖3 礦物相對(duì)含量預(yù)測(cè)誤差分布Fig.3 Error distribution of mineral content prediction

據(jù)表4 可知，該方法對(duì)黏土質(zhì)頁(yè)巖相的識(shí)別效果最好，準(zhǔn)確率達(dá)到94.1%，僅有1 個(gè)樣點(diǎn)錯(cuò)誤地識(shí)別為混合質(zhì)頁(yè)巖相；對(duì)于硅質(zhì)頁(yè)巖相的識(shí)別效果較好，準(zhǔn)確率達(dá)到88.9%，有4 個(gè)樣點(diǎn)錯(cuò)誤地識(shí)別為混合質(zhì)頁(yè)巖相；對(duì)于混合質(zhì)頁(yè)巖相的識(shí)別效果一般，準(zhǔn)確率為53.6%，有13 個(gè)樣點(diǎn)識(shí)別錯(cuò)誤，其中2 個(gè)樣點(diǎn)錯(cuò)誤地識(shí)別為黏土質(zhì)頁(yè)巖相，11 個(gè)樣點(diǎn)錯(cuò)誤地別為硅質(zhì)頁(yè)巖相。

對(duì)于頁(yè)巖巖相劃分，應(yīng)當(dāng)注意到其劃分方案本身所存在的局限性，通過(guò)圖2 可以看到，很多樣點(diǎn)分布在混合質(zhì)頁(yè)巖相和硅質(zhì)頁(yè)巖相的界線處，界線附近的巖相物性相似，礦物組成相近，雖然預(yù)測(cè)方程對(duì)于礦物相對(duì)含量預(yù)測(cè)的準(zhǔn)確率很高，但也會(huì)因?yàn)槲⑿〉恼`差，致使巖相識(shí)別錯(cuò)誤。雖然對(duì)于整體巖相識(shí)別精度在統(tǒng)計(jì)學(xué)意義上為77.8%的準(zhǔn)確率，但是在實(shí)際生產(chǎn)中該方法對(duì)于識(shí)別頁(yè)巖巖相、找尋優(yōu)質(zhì)巖相段的意義要遠(yuǎn)超統(tǒng)計(jì)學(xué)上77.8%的準(zhǔn)確率。

圖4 測(cè)試集巖相識(shí)別效果Fig.4 Test set renderings of lithofacies identification

表4 巖相識(shí)別效果分析Table 4 Analysis of lithofacies identification effect

4 巖相識(shí)別約束——雷達(dá)圖版識(shí)別巖相

通過(guò)上文分析，雖然利用礦物組分預(yù)測(cè)方程建立的巖相識(shí)別模型可以較好地識(shí)別出3 種巖相，但是對(duì)于硅質(zhì)頁(yè)巖相和混合質(zhì)頁(yè)巖相的識(shí)別不夠精確，因此考慮從不同巖相的測(cè)井響應(yīng)特征方面入手，利用各巖相的測(cè)井響應(yīng)特征作為約束，提高巖相識(shí)別精度。依照這一思路，分別統(tǒng)計(jì)了不同頁(yè)巖巖相歸一化后的測(cè)井曲線特征如表5 所列。同時(shí)，為更直觀地展現(xiàn)不同頁(yè)巖巖相的測(cè)井響應(yīng)特征，制作了箱線圖（圖5）。

不同的頁(yè)巖巖相具有不同的測(cè)井響應(yīng)特征，其測(cè)井?dāng)?shù)值平均值及數(shù)值主體分布區(qū)間都具有明顯的差異性（表5，圖5）。黏土質(zhì)頁(yè)巖相具有高DEN，CNL，K，KTh，低U，U/Th 的特征；混合質(zhì)頁(yè)巖相具有中DEN，U，CNL，K，KTh，U/Th 的特征；硅質(zhì)頁(yè)巖相具有高U，U/Th，低DEN，CNL，K，KTh 的特征。為了在雷達(dá)圖上更好地反映3 種巖相的分布情況，使3 種巖相在圖版上呈現(xiàn)出相互嵌套的關(guān)系，對(duì)各巖相歸一化后的測(cè)井曲線的平均值做簡(jiǎn)單處理，分別用0.1 除以測(cè)井曲線U 和U/Th 的平均值，最后選取歸一化后的DEN，CNL，K，KTh，0.1/U，0.1/（U/Th）等6 組曲線平均值進(jìn)行投點(diǎn)，生成雷達(dá)圖版（圖6）。

表5 不同頁(yè)巖巖相歸一化測(cè)井曲線特征Table 5 Characteristics of normalized logging curves for different shale lithofacies

圖5 不同巖相測(cè)井響應(yīng)箱線圖Fig.5 Logging responses boxplot of different lithofacies

由圖6 可以看到，測(cè)井曲線經(jīng)過(guò)簡(jiǎn)單處理后，硅質(zhì)頁(yè)巖相對(duì)應(yīng)的測(cè)井曲線系列具有最小值，主體分布在圖版中心，包含范圍最??；混合質(zhì)頁(yè)巖相對(duì)應(yīng)的測(cè)井曲線系列具有中值，主體分布在圖版中部位置，范圍較硅質(zhì)頁(yè)巖相大；黏土質(zhì)頁(yè)巖相對(duì)應(yīng)的測(cè)井曲線系列具有最大值，主體分布在圖版最外圍，包含范圍最大。利用該圖版進(jìn)行巖相識(shí)別時(shí)，只需將樣本點(diǎn)所對(duì)應(yīng)的進(jìn)行過(guò)配套預(yù)處理的測(cè)井曲線數(shù)值投影到雷達(dá)圖版上，根據(jù)其分布范圍可識(shí)別其巖相，如果投點(diǎn)區(qū)域靠近黃線，則識(shí)別為硅質(zhì)頁(yè)巖相，如果投點(diǎn)區(qū)域靠近藍(lán)線，則識(shí)別為混合質(zhì)頁(yè)巖相，如果投點(diǎn)區(qū)域靠近黑線，則識(shí)別為黏土質(zhì)頁(yè)巖相。

圖6 巖相識(shí)別雷達(dá)圖版Fig.6 Radar chart of lithofacies identification

結(jié)合表4 的識(shí)別效果，對(duì)雷達(dá)圖版的識(shí)別能力進(jìn)行了驗(yàn)證。如圖7 所示，將測(cè)試點(diǎn)所對(duì)應(yīng)的測(cè)井?dāng)?shù)值投影到雷達(dá)圖識(shí)別模板中（圖中紅線），對(duì)于大多數(shù)測(cè)試點(diǎn)，依據(jù)雷達(dá)圖版可準(zhǔn)確識(shí)別其巖相。圖7 中（a）展示了3 種巖相在雷達(dá)圖上的典型分布特征，測(cè)試點(diǎn)的巖相與圖版有很好的匹配性。圖7（b）展示了利用預(yù)測(cè)方程識(shí)別錯(cuò)誤的巖相在雷達(dá)圖版上能夠準(zhǔn)確識(shí)別。圖7（c）展示了依然存在個(gè)別點(diǎn)不能通過(guò)預(yù)測(cè)方程和雷達(dá)圖版進(jìn)行準(zhǔn)確識(shí)別，后續(xù)將針對(duì)預(yù)測(cè)方程和雷達(dá)圖版進(jìn)行相應(yīng)的改進(jìn)工作。

圖7 雷達(dá)圖版巖相識(shí)別效果（a）3 種巖相測(cè)井曲線典型分布特征（a1.混合質(zhì)頁(yè)巖相；a2.硅質(zhì)頁(yè)巖相；a3.黏土質(zhì)頁(yè)巖相）；（b）預(yù)測(cè)方程識(shí)別錯(cuò)誤，圖版識(shí)別準(zhǔn)確（b1.方程識(shí)別為黏土質(zhì)頁(yè)巖相，實(shí)際為混合質(zhì)頁(yè)巖相；b2.方程識(shí)別為硅質(zhì)頁(yè)巖相，實(shí)際為混合質(zhì)頁(yè)巖相；b3.方程識(shí)別為硅質(zhì)頁(yè)巖相，實(shí)際為黏土質(zhì)頁(yè)巖相）；（c）圖版法不能準(zhǔn)確識(shí)別（c1.圖版法識(shí)別為硅質(zhì)頁(yè)巖相，實(shí)際為混合質(zhì)頁(yè)巖相；c2.圖版法識(shí)別為混合質(zhì)頁(yè)巖相，實(shí)際為硅質(zhì)頁(yè)巖相；c3.圖版法識(shí)別為黏土質(zhì)頁(yè)巖相，實(shí)際為硅質(zhì)頁(yè)巖相）。（注：圖中紅線代表測(cè)試點(diǎn)的測(cè)井響應(yīng)特征）Fig.7 Radar chart effect of lithofacies identification

綜上所述，雷達(dá)圖版既能準(zhǔn)確識(shí)別巖相，又能對(duì)預(yù)測(cè)方程識(shí)別錯(cuò)誤的巖相進(jìn)行糾正，整體來(lái)看，識(shí)別精度較高。若將2 種方法綜合起來(lái)，如果預(yù)測(cè)方程識(shí)別的巖相和雷達(dá)圖版識(shí)別的巖相一致，則說(shuō)明對(duì)于巖相的識(shí)別是準(zhǔn)確的，對(duì)于兩者識(shí)別不一致的地方，則應(yīng)根據(jù)其他地質(zhì)信息進(jìn)一步分析探討其可能的巖相，或通過(guò)實(shí)驗(yàn)室測(cè)試進(jìn)行識(shí)別。雖然本文的方法不能完全準(zhǔn)確識(shí)別頁(yè)巖巖相，但在一定程度上能夠很好地識(shí)別出優(yōu)質(zhì)巖相（硅質(zhì)頁(yè)巖相、混合質(zhì)頁(yè)巖相），指導(dǎo)實(shí)際勘探，并能夠降低生產(chǎn)成本。通過(guò)對(duì)比其他學(xué)者的研究成果，本文所提巖相識(shí)別方法的優(yōu)點(diǎn)在于，既能預(yù)測(cè)組成頁(yè)巖的黏土礦物、硅質(zhì)礦物相對(duì)含量的多少，同時(shí)通過(guò)將預(yù)測(cè)方程定量識(shí)別巖相和雷達(dá)圖版定性識(shí)別巖相結(jié)合起來(lái)，通過(guò)雙重約束，對(duì)于具體識(shí)別結(jié)果的準(zhǔn)確性有所把握。

5 結(jié)論

（1）焦石壩地區(qū)五峰組—龍馬溪組頁(yè)巖中黏土礦物和硅質(zhì)礦物的相對(duì)含量與DEN，U，CNL，K，KTh，U/Th 等6 條測(cè)井曲線的相關(guān)性較好，可以通過(guò)SPSS 軟件進(jìn)行多元線性擬合，建立礦物相對(duì)含量預(yù)測(cè)方程。

（2）利用礦物相對(duì)含量預(yù)測(cè)方程對(duì)礦物相對(duì)含量進(jìn)行預(yù)測(cè)，與實(shí)際礦物相對(duì)含量吻合度高，其準(zhǔn)確率接近78%?？紤]到巖相劃分方案本身的局限性，該識(shí)別方法在焦石壩地區(qū)五峰組—龍馬溪組實(shí)際生產(chǎn)中的意義要高于統(tǒng)計(jì)學(xué)上的意義。

（3）利用黏土質(zhì)頁(yè)巖相、硅質(zhì)頁(yè)巖相和混合質(zhì)頁(yè)巖相等3 種巖相歸一化后的測(cè)井曲線平均值建立雷達(dá)圖識(shí)別模板作為擬合方程識(shí)別巖相的補(bǔ)充，可以更好地識(shí)別焦石壩地區(qū)五峰組—龍馬溪組頁(yè)巖的巖相。

（4）不同沉積環(huán)境下形成的頁(yè)巖具有不同的物理化學(xué)性質(zhì)，其對(duì)應(yīng)的測(cè)井曲線也會(huì)有不同的測(cè)井響應(yīng)特征；相近沉積環(huán)境、不同地質(zhì)時(shí)期形成的頁(yè)巖其性質(zhì)也會(huì)存在差異。探討頁(yè)巖巖相同測(cè)井響應(yīng)特征在時(shí)空上的耦合關(guān)系將是下一步研究工作的重點(diǎn)。