松辽盆地火山岩岩性测井识别方法研究

周金昱，郭浩鹏，张少华 （中石油长庆油田分公司勘探开发研究院，陕西 西安 710018）

肖亮 （中国地质大学 （北京）地球物理与信息技术学院，北京 100083）

火山岩岩性复杂，其矿物成分不仅包括石英、长石，还包括角闪石、橄榄石、辉石、云母等矿物；从化学成分上看，以SiO2、Al2O3、Fe2O3、MgO、CaO、K2O、Na2O、H2O等氧化物为主，这些氧化物在各类火山岩中或多或少均有出现；从岩石结构上看，有火山碎屑岩、火山熔岩、火山碎屑熔岩[1～5]。即使是同一种岩性的火山岩，由于其矿物成分含量有差异，加之孔隙结构、流体性质等不同，在测井响应上会有较大的变化范围，给测井资料识别火山岩岩性带来困难[6～13]。

岩性识别是火山岩油气藏测井精细评价的基础[14]。松辽盆地深层钻遇了多期次火山岩地层，该区以酸性火山岩为主，也有部分中性和基性岩。针对测井识别火山岩岩性困难的情况，笔者在火山岩岩石学特征研究的基础上，分析、总结了松辽盆地火山岩测井响应规律，建立了松辽盆地火山岩岩性测井识别方法。

1 火山岩岩石学特征及测井响应规律

火山岩各种氧化物之间存在着内在关系，具有一定的规律性[14，15]，如图1所示。由图1可知，从基性岩、中性岩到酸性岩，随着SiO2（密度2.65g/cm3）体积分数的增加，MgO （密度3.58g/cm3）和FeO（密度5.70g/cm3）体积分数逐渐减少；而CaO （密度3.35g/cm3）和 Al2O3（密度3.97g/cm3）体积分数先升后降，当SiO2体积分数在45%～50%之间时达到峰值，SiO2体积分数大于50%时呈明显下降趋势；而密度相对较小的氧化物Na2O（密度2.27g/cm3）和 K2O （密度2.32g/cm3）体积分数则随着SiO2体积分数的增加而增加。因此可以推断，对于火山岩，若不考虑其孔隙度、流体性质等因素的变化，从基性岩、中性岩到酸性岩，岩石密度将整体上呈减小的趋势。以此为指导，分析了松辽盆地密度测井响应特征 （图2（a）），并结合准噶尔盆地火山岩资料[14]（图2（b）），总结了松辽盆地火山岩测井响应规律为：从基性岩、中性岩到酸性岩，密度测井响应逐渐减小。

图1 火山岩SiO2与其他氧化物体积分数关系（据文献 [14]、[15]）

图2 松辽盆地火山岩密度测井响应柱状图

岩石的天然放射性是由岩石中放射性同位素 （238U、232Th、40K）引起的，放射性同位素含量越高，其放射性强度越大[16，17]。准噶尔盆地对不同岩性火山岩样品进行了铀、钍、钾放射性同位素含量的测定 （图3（a）），试验结果表明，从基性岩、中性岩到酸性岩，钾的质量分数w（K）和钍、铀的质量浓度ρ（Th）、ρ（U）均增加，岩石放射性增加[14]。笔者针对松辽盆地不同岩性火山岩进行了放射性测井响应特征分析，利用自然伽马能谱测井资料绘制测井响应柱状图 （图3（b）），其变化规律与准噶尔盆地试验结果一致。

图3 松辽盆地火山岩天然放射性统计图

利用相似的方法对松辽盆地火山岩的电学、声学等特性和相应的测井响应规律进行了研究，最终得到了对火山岩岩性敏感的测井参数，主要包括：自然伽马 （qAPI）、ρ（U）、ρ（Th）、w（K）、密度 （ρ）、补偿中子孔隙度 （nc）、泊松比 （ν）、声波时差 （Δt）与ρ计算的参数M、nc与ρ计算的参数N[16]。

2 岩性识别方法

由于常规测井主要反映岩石化学成分，对岩石结构识别能力较差[14，15]，为了利用常规测井划分岩性，按照化学成分将研究区火山岩分为玄武岩类、粗面岩类、安山岩类、流纹岩类共4大类。同一岩类岩石化学成分接近，但岩石结构可能不同。

2.1 交会图法

测井交会图法是识别火山岩岩性直观而且有效的方法。两种测井参数在平面上交会，根据交会点的坐标定出所求岩类的数值和范围[16，17]。在交会图上能够直观地得到各种岩性的分布区域及岩性之间的分界，从而得到岩性识别图版。对研究区录井、测井、岩心等资料进行分析，读取10口探井岩性确定段的测井响应值，利用对岩性敏感的测井参数，两两作交会图。在得到的所有交会图版中，qAPI－ρ（Th）交会图版 （图4（a））识别效果最好，识别准确率达93.0%；但研究区部分井未进行自然伽马能谱测井，这种情况下可采用qAPI－ρ交会图版 （图4（b）），识别准确率为87.3%。

图4 松辽盆地火山岩岩性识别图版

2.2 支持向量机技术

利用研究区薄片鉴定资料检验交会图版对未知岩性的预测能力，97条薄片鉴定数据中，有76条被正确地识别到所属岩类，识别准确率为78.4%。为了提高在没有自然伽马能谱测井资料时岩性识别的准确率，引入了支持向量机技术建立岩性识别模型。

支持向量机是建立在统计学习VC维 （Vapnik－Chervonenkis dimension）理论和结构风险最小化原则基础上的数据挖掘技术，它以训练误差作为优化问题的约束条件，以置信范围最小化为优化目标构造函数，并将函数转化为二次规划凸优化问题来求解，保证解的唯一性和全局最优性。它的基本思想是在线性可分的数据中寻找最大边缘超平面，使其不仅能正确分开二元样本，而且泛化误差最小。在非线性情况下，对数据进行坐标空间变换，将非线性问题转换为高维空间的线性问题，在高维空间中寻找最大边缘超平面[18～20]。

以研究区10口井416条数据 （与交会图数据相同）为训练集，其中玄武岩类94条，粗面岩类43条，安山岩类85条，流纹岩类194条。同样以研究区薄片鉴定资料为测试集，测试集共97条，其中玄武岩23条，粗面岩15条，安山岩7条，流纹岩52条。训练集和测试集的属性为：qAPI、nc、ρ、深侧向电阻率 （ρlld）、M、N。利用训练集建立支持向量机岩性识别模型，采用RBF（radial basis function）核函数，由于模型参数中惩罚因子C和核函数参数γ是影响模型精度的关键参数，利用Weka软件提供的网格搜索工具对参数寻优，得到最优参数C＝256，γ＝power（2，－15）。训练集416条数据中，369条被模型正确识别出岩性，模型精度为88.7%。将支持向量机模型应用于测试集，效果如表1所示。分析可知支持向量机模型精度 （88.7%）比常规交会图法精度 （87.3%）略高；而其推广能力远好于常规交会图法，其对测试集的识别准确率85.6%，而常规交会图法只有78.4%。因此，可将支持向量机模型作为研究区岩性识别的工具。

表1 支持向量机模型在测试集上的应用效果

3 实际应用效果

将支持向量机模型应用于研究区实际井资料的处理。图5为支持向量机模型对松辽盆地CY4井火山岩岩性识别成果图。将模型识别结果与该井岩石薄片鉴定结论进行对比，只有在深度点为4221.50m时识别错误，该深度点岩石薄片鉴定结论为 “粗面质角砾岩”，模型识别结果为 “安山岩类”，该点的测井响应可能是受到了下部安山岩地层的影响，导致了识别错误。其他点模型识别结果均与岩石薄片鉴定结论相符，均识别正确，精确度为87.5%，显示了支持向量机模型良好的应用效果。

图5 CY4井岩性识别结果与岩石薄片鉴定结论对比图

4 结论

1）通过对火山岩岩石学特征及测井响应规律的研究，得到对火山岩岩性敏感的参数，包括qAPI、ρ（U）、ρ（Th）、w（K）、ρ、nc、ν等。该认识具有一定的普遍意义。

2）利用对岩性敏感的测试参数两两作交会图建立岩性识别图版，qAPI－ρ（Th）交会图和qAPI－ρ交会图识别效果较好。

3）利用支持向量机技术建立岩性识别模型，并用网格搜索法优化模型参数，得到最优模型的精度及预测能力均好于交会图版法。将支持向量机模型应用于实际井资料的处理，处理结果与薄片鉴定资料对比，验证了该模型的可用性。研究方法对解决同类地质问题有一定的借鉴和指导意义。

[1]王璞君，冯志强，刘万洙，等 .盆地火山岩：岩性·岩相·储层·气藏·勘探 [M].北京：科学出版社，2008.

[2]罗静兰，邵红梅，张成立 .火山岩油气藏研究方法与勘探技术综述 [J].石油学报，2003，24（1）：31～38.

[3]黄薇，邵红梅，赵海玲，等 .松辽盆地北部徐深气田营城组火山岩储层特征 [J].石油学报，2006，27（增刊）：47～51.

[4]李军，薛培华，张爱卿，等 .准噶尔盆地西北缘中段石炭系火山岩油藏储层特征及其控制因素 [J].石油学报，2008，29（3）：329～335.

[5]罗静兰，林潼，杨知盛，等 .松辽盆地升平气田营城组火山岩岩相及其储集性能控制因素分析 [J].石油与天然气地质，2008，29（6）：748～757.

[6]杨申谷，刘笑翠，胡志华，等 .储层分析中火山岩岩性的测井识别 [J].石油天然气学报 （江汉石油学院学报），2007，29（6）：33～37.

[7]杨申谷，吴红珍 .大洼油田中、新生界火山岩的测井识别方法 [J].江汉石油学院学报，2003，25（2）：58～59.

[8]潘保芝，闫桂京，吴海波 .对应分析确定松辽盆地北部深层火山岩岩性 [J].大庆石油地质与开发，2003，22（1）：7～9.

[9]潘保芝，李舟波，付有升，等 .测井资料在松辽盆地火成岩岩性识别和储层评价中的应用 [J].石油物探，2009，48（1）：48～52.

[10]杨明和，翟应虎，韩福彬 .模糊概率理论在徐家围子深层火山岩岩性识别中的应用 [J].石油地球物理勘探，2007，42（2）：190～193.

[11]范宜仁，黄隆基，代诗华 .交会图技术在火成岩岩性和裂缝识别中的应用 [J].测井技术，1999，23（1）：53～56.

[12]郭振彬，王秉刚 .应用测井资料鉴别二连盆地火成岩岩石类型 [J].地球物理测井，1990，14（2）：75～82.

[13]王玉娟，闫磊，张晓明，等 .松辽盆地东岭地区深层火成岩测井特征与岩性识别 [J].吉林大学学报，2007，37（增刊）：147～150.

[14]中国石油勘探与生产分公司 .火山岩气藏测井评价技术及应用 [M].北京：石油工业出版社，2009.

[15]李宁，陶宏根，刘传平，等 .酸性火山岩测井解释理论、方法与应用 [M].北京：石油工业出版社，2009.

[16]洪有密 .测井原理和综合解释 [M].东营：石油大学出版社，1993.

[17]孙建孟，王永刚 .地球物理资料综合解释 [M].北京：石油大学出版社，2001.

[18]Witten I H，Frank E.Data mining：practical machine learning tools and techniques[M].董琳，等译 .北京：机械工业出版社，2006.

[19]Groth R.Data mining：building competitive advantage[M].侯迪，等译 .西安：西安交通大学出版社，2001.

[20]Vapnik V N.The nature of statistical learning theory [M].New York：Springer－Verlag，1995.