子长油田长6储层物性测井解释模型

刘晶晶，张小莉

(西北大学地质学系，陕西 西安 710069)

子长油田长6储层物性测井解释模型

刘晶晶，张小莉

(西北大学地质学系，陕西 西安 710069)

建立物性测井解释模型是为了提高子长油田测井解释的精度，对于储层描述和油层评价具有重要意义。利用测井数据，结合物性分析化验资料和取芯资料，先对储层的四性关系进行简要的介绍，然后在其基础上利用层点对应的读值方法建立适合子长油田长6储层的泥质含量和孔隙度的测井解释模型。渗透率的解释利用泥质含量进行分类和多参数的回归，其解释精度得到明显的提高。经过验证，所做关于子长油田长6储层物性参数的解释模型准确率高，效果好。

子长油田;长6储集层;测井解释模型;孔隙度;渗透率

子长油田地处鄂尔多斯盆地东部伊陕斜坡中部，其主力产层为长6油层组，一般厚度为125～135 m。长6期为三角洲建设的高潮期，研究区长6储层早期为三角洲前缘沉积，晚期为三角洲平原沉积，沉积物粒度较细［2］，孔隙度主要分布在6% ～12%之间，渗透率主要分布于 0.1～0.5×10－3μm2以及1～5×10－3μm2之间。属于复杂的低孔低渗储层。利用单一测井数据对储层渗透性进行解释亦或是利用孔隙度与渗透率的相关关系计算渗透率值，在研究区范围内的精度不够。而泥质含量对渗透率的影响在该区表现相当明显。所以将多参数回归和泥质含量的控制因素结合才是提高物性解释精度的关键。

1 储层“四性”关系研究

“四性”关系指的是“储集层岩性、物性、含油性与电性”之间的关系。储层岩性、物性、含油性之间既存在内在联系又相互制约［3］。图1是研究区 Z203井的四性关系图，由图可见研究区的四性关系如下:

测井曲线能够反映不同的岩性。研究区长6储集层砂岩电性特征表现为:自然电位曲线为负异常，自然伽马低值，微电极两条曲线分开，声波时差曲线相对较低，而且比较稳定。泥岩部位表现为自然电位为基线，自然伽马高值，微电极两条曲线重合，声波时差曲线相对较高，且有波动，电阻率曲线表现为中 － 高阻［4］。

子长油田长6储层岩性致密。声波时差曲线能较好地反映储层的物性，物性较好的储层声波时差增大。储层声波时差曲线大致为218～254 μs/m。声波时差对储层孔隙度的反映较为灵敏，但是对于储层的渗透性，因为其影响因素较为复杂，单就声波时差难以判断储层渗透性的好坏。

图1 子长油田Z203井长6油层组四性关系图

油水层的识别一般用深感应曲线。感应曲线在油层的电阻率值高于水层，而且油层深、浅感应电阻率幅度差小于水层［4］。油层的深感应值一般大于13.5Ω·m。

2 定量测井解释模型

2.1 泥质含量解释模型

泥质含量不仅影响储层的岩性，而且也影响储层其他参数的求取。现在所使用的测井系列都不同程度的受泥质含量的影响［3，6］。因此，准确的求取泥质含量对利用测井数据求取储层的其他参数至关重要［7－10］。在研究区，自然伽马曲线能够灵敏的反映储层的泥质含量，故选用自然伽马资料来进行定量分析。泥质含量计算公式如下:

式中:c为希尔奇指数，通常新地层为3.7，老地层为2;GRmin为纯砂岩处的自然伽马值;GRmax

为纯泥岩处的自然伽马值。

根据上图可以看出用自然伽马值所计算出的泥质含量能够反映出岩心的岩性。通过对本区19口取芯井的岩性与泥质含量的对比研究，认为计算泥质含量大于30%的部位在岩心上表现为泥质含量较高的储层，而计算泥质含量小于30%的部位岩心岩性显示为泥质含量较低的砂岩储层。

2.2 孔隙度解释模型

此次研究利用了声波时差曲线与实验室物性分析资料来建立孔隙度模型。为了使解释模型的精度更高，首先对研究区内61口井的曲线进行了分层，将长6油层组分为3段，每段的物性有所差异，所以分别建立模型;然后对所有曲线进行了岩心归位，以消除取芯所造成的岩—电差［10－13］;最后对声波时差采用层点取值的方法，即对岩性物性较相似的同一层，视为一个层点进行处理［12－15］，这样既能剔除异常数据点消除干扰，又能反映岩性较一致处的整体特征，而不是某一特殊点，该方法更具实践性［12］。

图2 Z111井长6油层组计算泥质含量与取芯岩性对比图

利用声波时差与实测孔隙度回归后所得结果见图3。

利用上述孔隙度解释公式，经验证计算孔隙度与分析孔隙度的绝对误差的平均值分别为:长61误差为0.87%，长62误差为0.91%，长 63误差为 0.96%，均小于 1%，符合精度要求。

2.3 渗透率解释模型

考虑到研究区为低孔低渗储层，微观孔隙结构复杂，仅用孔隙度来预测渗透率的相关性差［15，18］。说明研究区渗透率的影响因素复杂，所以在岩心分析、归位处理、测井参数和渗透率影响因素分析的基础上，选用反映泥质含量的自然伽马相对值、反映孔隙度相对大小的声波时差值、反映储层的渗流能力的自然电位幅度差值和渗透率值进行回归分析［4］，期望达到更高的解释精度。渗透率与其它参数的关系如下:

式中:K－储集层渗透率，Δt－声波时差读值，ΔGR，ΔSP分别为测井自然伽马相对值与自然电位计算幅度差值，A、B、C、D 均为常数。

其中，ΔSP即自然电位幅度差值与自然伽马相对值的计算方法相类似，能够较好的反映储层的渗流能力。其计算如下:

图3 研究区各亚油层组声波时差－孔隙度交会图

图4 研究区各亚油层组实测渗透率－初次计算渗透率交会图

同样采用层点取值法，对研究区38口取心的长61、62、63亚油层组分别进行读值，并计算 ΔGR，ΔSP等参数，最终利用多元线性回归分析得出各亚油层组的渗透率计算公式:

根据上图可以看出计算值与分析值其相关性不好，不能作为渗透率解释模型直接使用。利用初次解释模型计算出的渗透率与分析渗透率做对比时发现，在泥质含量较高的部位，计算渗透率与分析渗透率相差较大，一般情况下计算渗透率会大于分析渗透率，而且在这些部位，反映储层孔隙度的声波时差就与渗透率的相关关系很差，因此这些部位如果利用初次回归的公式来计算渗透率的话，必然会造成很不准确的结果。

对于低孔低渗储层，泥质含量的多少影响着储层的孔隙结构，而孔隙结构的复杂程度又影响着储层的渗透性［16，17］，储层的泥质含量如若在某些部位稍有升高就会造成该部位的细小喉道的堵塞和使孔隙间的连通性降低，在这些部位的渗透率会大大减小［19，20］，因此说明泥质含量对渗透率的影响虽是间接但是影响较大，而回归出的公式虽然添加了能够反映泥质含量的参数ΔGR，但是要想提高渗透率解释模型的精度，必须在计算渗透率时加强泥质含量对其的控制［14，15，20］。

为了解决这一问题并以此来提高解释精度的话，采取分类的方法来重新回归渗透率的计算公式，运用自然伽马值所计算的泥质含量的大小作为分类的标准，将两种方法计算的泥质含量均小于30%的部位认为是砂岩部位，而泥质含量大于30%的部位认为是泥岩部位，分别进行回归。

图5 研究区长6油层组实测渗透率分类计算渗透率交会图

分类解释的结果如下:

长61亚油层组:泥质含量小于30%的部位，二次分类回归公式如下:

泥质含量大于30%的部位，二次分类回归公式如下:

LgK=0.032× Δt－0.075 × ΔSP－0.216× ΔGR －7.687 R=0.697

二次分类之后，再计算渗透率与实测渗透率的相关关系图(图5A):

长62亚油层组:泥质含量小于30%的部位，二次分类回归公式如下:

泥质含量大于30%的部位，二次分类回归公式如下:

二次分类之后，再计算渗透率与实测渗透率的相关关系图(图5B):

长63亚油层组:泥质含量小于30%的部位，二次分类回归公式如下:

泥质含量大于30%的部位，二次分类回归公式如下:

二次分类之后，再计算渗透率与实测渗透率的相关关系图(图5C):

根据图5可以看出，二次分类之后，利用分类后的数据回归的公式算出的渗透率与实测渗透率的相关性很好，满足研究区解释精度的要求，可以作为研究区的渗透率测井解释模型。

3 结论

1)利用自然伽马值和自然电位幅度值计算出的泥质含量能够对岩性有较好地反映，并通过对比得出储层砂岩的泥质含量下限值。

2)利用声波时差值回归出了符合精度要求的孔隙度的计算模型。

3)先根据泥质含量大小对储层的渗透率进行分类，分类后运用声波时差值，自然伽马差值及自然电位的幅度差值进行回归，分类后的计算模型明显比未分类前更加接近实际渗透率值，且达到了解释的精度。

［1］赵军，陈福宣，燕军.岩心刻度法在测井解释模型中的应用［J］.新疆石油地质.1998，19(05):421－423.

［2］郭兰，丁超，闫继福.鄂尔多斯盆地子长油田安定区延长组长6段沉积微相［J］.油气地质与采收率.2009，16(03):11－14.

［3］谭成仟.鄂尔多斯盆地白豹地区长6油藏地质模型研究［D］.西安:西北大学，2008:63－71.

［4］张小莉.延长油区中生界测井系列优选及解释技术研究［R］.西安:陕西延长石油(集团)有限责任公司.2010:115－146.

［5］杜奉屏.油矿地球物理测井［M］.北京:地质出版社.1984:81－110.

［6］欧阳健，王贵文，吴继余等.测井地质分析与油气层定量评价［M］.北京:石油工业出版社.1999:142－170.

［7］朱红涛，黄众，刘浩冉等.利用测井资料识别层序地层单元技术与方法进展及趋势［J］.地质科技情报.2011，30(04):29－36.

［8］任培罡，夏存银，李媛等.自组织神经网络在测井储层评价中的应用［J］.地质科技情报.2010，29(03):114－117.

［9］刘秀娟，陈超，曾冲等.利用测井数据进行岩性识别的多元统计方法［J］.地质科技情报.2007，26(03):109－112.

［10］赵彦超，吴春萍，吴东平.致密砂岩气层的测井评价—以鄂尔多斯盆地大牛地山西组一段气田为例［J］.地质科技情报.2003，22(04):65－70.

［11］赵俊英，罗静兰，雷晓岚等.鄂尔多斯盆地子长油田杨家园则探区长 6物源分析［J］.中国地质.2007，34(03):422－427.

［12］高鹏，高胜利，汶锋刚等.鄂尔多斯盆地子长油田长6油层组非均质性研究［J］.天然气勘探与开发.2008，31(03):14－18.

［13］王文明.测井参数定量化技术在榆树林油田葡萄花储层物性解释中的应用［J］.石油与天然气地质.2009，30(02):230－235.

［14］高润峰.鄂尔多斯盆地南部镇泾油田电测井资料在油层物性解释中的应用［J］.科技情报开发与经济.2007，17(21):176－177.

［15］王志章，熊琦华，张一伟等.非均质复杂断块油田储层参数测井解释模型［J］.石油学报.1994，15(S1):89－97.

［16］Chunming Xu，Thomas P. Cronin，Thalbert E. McGinness，et al.Middle Atokan sediment gravity flows in the Red Oak field，Arkoma Basin，Oklahoma:A sedimentary analysis using electrical borehole images and wireline logs［J］. AAPG Bulletin，2009，93:1 － 29.

［17］Flavio S. Anselmetti，Gregor P. Eberli，The velocity － deviation log;a tool to predict pore type and permeability trends in carbonate drill holes from sonic and porosity or density logs［J］. AAPG Bulletin，1999，83:450－466.

［18］Jordan G. Mimoun，Carlos Torres － Verdín，William E. Preeg.Quantitative interpretation of pulsed neutron capture logs［J］. Geophysics，2011，76:E81－E103.

［19］Romain Prioul，Adam Donald，Randy Koepsell，et al. Forward modeling of fracture－induced sonic anisotropy using a combination of borehole image and sonic logs［J］. Geophysics，2007，72:E135－E147.

［20］L.de Witte，M.R.J.Wyllie，Log interpretation in sandstone reservoirs;discussion and reply［J］. Geophysics，1961，26:101 －102.

Log Interpretation Model of Physical Property of Chang 6 Reservoir，Zichang Oilfield

LIU Jing－jing，ZHANG Xiao－li
(Department of Geology，Northwest University，Xi’an 710069，Shaanxi)

The interpretation models of physical parameters are established to enhance the accuracy of log interpretation of Zichang oilfield，which has important implication for the formation assessment and reservoir description. Firstly，it briefly introduces the four property relations by using the logging data，core physical property analysis and core description. Then，the interpretation models of shale content and porosity of reservoir are established by using the layer－point reading data method based on the first step. The permeability interpretation is classified by shale content and then regression analyzed by multiparameters，so that the accuracy of permeability interpretation is enhanced. The model validation test has been shown with high accuracy and satisfactory result.

Zichang oilfield;Chang 6 reservoir;log interpretation model;porosity and permeability

P631.8+19

A

1004－1184(2012)05－0081－03

2012－05－21

“十一五”国家科技支撑计划资助项目(2007BAB17B01)

刘晶晶(1987－)，女，江西莲花人，在读硕士研究生，主攻方向:测井资料处理与解释方面的研究。