基于支持向量机的致密储层岩相识别——以徐家围子断陷下白垩统沙河子组为例

汪益宁

(中国兵器工业集团振华石油控股有限公司，北京 100031)

闫荣堃

(中石油冀东油田分公司陆上油田作业区，河北 唐山063200)

罗佳洁

(中石油冀东油田分公司井下作业公司，河北 唐山063200)

欧阳静芸

(中国兵器工业集团振华石油控股有限公司，北京 100031)

段秋红

(中石化河南油田分公司石油勘探开发研究院，河南 南阳 473132)

徐涛

(中国兵器工业集团振华石油控股有限公司，北京 100031)



基于支持向量机的致密储层岩相识别
——以徐家围子断陷下白垩统沙河子组为例

汪益宁

(中国兵器工业集团振华石油控股有限公司，北京 100031)

闫荣堃

(中石油冀东油田分公司陆上油田作业区，河北 唐山063200)

罗佳洁

(中石油冀东油田分公司井下作业公司，河北 唐山063200)

欧阳静芸

(中国兵器工业集团振华石油控股有限公司，北京 100031)

段秋红

(中石化河南油田分公司石油勘探开发研究院，河南 南阳 473132)

徐涛

(中国兵器工业集团振华石油控股有限公司，北京 100031)

岩相识别是徐家围子断陷下白垩统沙河子组(K1s)致密砂砾岩气勘探亟需解决的关键问题。依据岩心、薄片、成像测井资料，将K1s岩相分为砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相；以常规测井曲线及其组合参数作为岩相识别的技术资料，利用最小二乘支持向量机建立岩相判别模型，采用网格搜索，经多次验证优选模型参数。应用结果表明，最小二乘支持向量机识别岩相结果明显好于常规统计方法，模型识别岩相与岩心分析结果基本一致，其中砂砾岩相符合率均高于83.2%，中-粗砂岩相符合率均高于84.0%，粉-细砂岩相符合率均高于87.6%，泥岩相符合率均高于93.2%。致密储层的非线性测井响应是支持向量机成功应用的重要基础，该方法对其他地区也具有借鉴意义。

支持向量机；致密储层；岩相识别；沙河子组；徐家围子断陷

徐家围子断陷是松辽盆地北部深层天然气资源最聚集的地区之一[1]。2010年以来，徐家围子断陷的勘探重点由营城组火山岩开始转向沙河子组(K1s)致密砂砾岩。K1s砂砾岩储层普遍可见活跃的气测显示，相继有井获得工业气流，展现出一定的致密砂砾岩气勘探潜力[2]。然而，强烈的构造运动、频率的水体变化和复杂的成岩作用，导致砂砾岩的粒度混杂、组分多变、致密程度很高[3,4]；加之该区勘探程度很低，钻井取心资料少，通过测井曲线和岩心资料难以直观、连续地表征储层岩相变化。储层岩相识别是该区储层预测首先需要解决的问题。

国内外学者针对储层岩性(相)识别开展了大量研究，起初主要采用对储层岩性敏感的常规测井曲线，通过测井曲线交会图、主成分分析方法、判别分析方法等方法识别岩性[5～9]。随着技术的进步，EMI(微电阻率成像)和FMI(地层微电阻率成像)测井技术可以展示连续的、高分辨率的地层影响资料，在致密储层岩性识别中发挥了重要作用[10]，但是费用昂贵，且老区一般缺少该资料。支持向量机是一种依据多维参数判别，可实现非线性聚类的分线性判别方法[11,12]，近年来在火山岩储层和致密碎屑岩储层识别中得到初步应用，识别效果明显好于测井曲线交会图、主成分分析方法、判别分析方法等常规方法[13～16]。如朱怡翔等[16]以反映火山岩岩性、组构、成因和孔隙结构的多种测井参数作为判别依据，利用支持向量机成功识别了三塘湖盆地马朗凹陷火山岩性。韩学辉等[17]利用常规测井曲线建立支持向量机判别模型，实现了广利油田沙四段粉砂岩、细砂岩和不等粒砂岩的有效识别。

该次研究利用支持向量机识别研究区储层岩相，依据岩心、薄片、成像测井资料将K1s岩性分为砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相，以常规测井作为判别资料，利用最小二乘支持向量机建立岩相识别模型。最小二乘支持向量机判别岩相的准确率平均达到88.1%，很好地解决了研究区储层岩相识别问题。

1　地层特征及岩相划分

1.1沉积岩石学特征

K1s沉积于徐家围子断陷形成的鼎盛时期，凹陷中心发育湖相沉积，西部斜坡和东部斜坡分别发育扇三角洲和辫状河三角洲沉积。受多物源以及水体频繁变化影响，K1s沉积相变较快，钻井揭示砾岩、砂砾岩、含砾砂岩、粗砂岩、中砂岩、细-泥质粉砂岩、泥岩、煤等多种岩性。砂砾岩和粗砂岩是主要储层岩性，砾石成分以火山岩屑、长石和碳酸盐岩为主(超过85%)，分选较差，磨圆度呈棱角-次棱角状。储层孔隙度一般小于6.0%，渗透率小于0.1mD，具有低孔、低渗的特征，非均质性极强。

1.2岩相划分及特征

岩相是一定沉积环境中形成的岩石或岩石组合，它是沉积相的主要组成部分[13]。在致密沉积体系中，岩相的变化可导致孔隙度和渗透率大幅波动[14]，研究区不同亚相储层渗透率变化幅度超过1个数量级，因而有必要开展岩相识别研究。根据岩石成分、结构、构造和颗粒间的接触关系，考虑到砾岩发育较少且区分砾岩与砂砾岩对勘探指导意义不大，将地层岩性划分为砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相。

1)砂砾岩相包括含砂砾岩、砂质砾岩和砾岩，岩石接触关系主要为颗粒支撑，个别为杂基支撑；砾石成份主要为火山岩，个别为泥砾，分选较差，通常无定性排列。酸性的火山岩岩屑相对容易被溶蚀，形成次生溶孔，构成主要的储集空间；砾石表面通常发育微裂缝，明显改善储层的渗透性(图1(a))。

2)中-粗砂岩相包括中砂岩、粗砂岩、含砾砂岩和砾质砂岩等。碎屑组分以火山岩屑和长石为主，两者占岩石体积分数的82%，石英含量偏低，体积分数为17.6%，属于长石质岩屑砂岩。砂岩颗粒分选中等-差，磨圆度次棱-次圆状，接触关系主要为线接触和线-凹凸接触。胶结类型主要为碳酸盐岩胶结，发育少量的硅质胶结。孔隙类型为少量残余原生孔和长石、岩屑溶蚀溶孔，储集能力较好(图1(b))。

3)粉-细砂岩相包括细砂岩、粉砂岩、泥质粉砂岩。孔隙度约2%左右，渗透率约0.01mD，储集能力很差(图1(c))。

4)泥岩相包括泥岩、砂质泥岩、炭质泥岩、含砾泥岩等，一般不具有储集能力。

图1　研究区岩相划分

1.3不同岩相的测井响应

表1中总结了不同岩相在常规测井和成像测井上的响应情况，结果显示，不同岩相的测井响应既有一定差别，又明显交叉，可概括为以下特征：①砾岩相具有低-中等自然伽马(qAPI)、低声波时差(Δt)、中高密度(ρ)、高深侧向电阻率(ρlld)、中高ΔlgR(Δt与ρlld叠合后两者之间的距离)响应，成像测井上具有颗粒状亮色斑点；②中-粗砂岩相具有中等qAPI、中等Δt、中-高ρ、中高ρlld、中高ΔlgR响应，成像测井图像上颜色中等，含砾时具有亮色斑点；③粉-细砂岩相具有中等qAPI，中高Δt、中高ρ、中-低ρlld、中低ΔlgR特征，成像测井图像上颜色中浅；④泥岩相具有高qAPI、中高Δt、中低ρ、中低ρlld、低ΔlgR测井响应，成像测井图像上颜色深，可见层理，容易识别。

表1　研究区岩相测井响应特征

2　支持向量机的原理和方法

2.1支持向量机的原理

支持向量机(SVM)以统计学理论为基础，其基本原理是：对于低维空间中线性不可分问题，通过核函数将低维空间数据投影到高维核空间中，在高维核空间中实现样品的线性区分，简单而言就是将复杂的非线性问题转化为简单的线性问题(图2)。与人工神经网络技术相比，SVM方法避免了局部极值问题[6]，计算速度更快，结果也更可靠，具有明显技术优势。

图2　支持向量机的基本原理

2.2支持向量机的技术流程

最小二乘支持向量机(LS-SVM)是标准支持向量机扩展，将二次规划问题转化为可用最小二乘法求解的线性方程组求解问题，在实际问题中计算速度更快[6]。LS-SVM将优化目标中的误差控制函数转化为误差的二次项：

(1)

s.t.yi=φ(xi)w+b+εii=1,…,k

(2)

式中：J(w,ε)是误差控制函数；w是目标函数；ε为误差；c(c≥0)为惩罚因子，控制对ε的惩罚程度；i是样本编号；yi是分类标记；xi是样品向量；φ(xi)是xi在高维空间的投影；b是常数项。

利用拉格朗日方法对式(1)进行求解：

(3)

式中：L(w,ε,b,a) 是拉格朗日函数；a是拉格朗日乘子。

根据优化条件得到：

(4)

求解得到决策函数f(x)：

(5)

式中：K(x,xi)为核函数。

表2　支持向量机部分输入数据

SVM的核函数的形式不需具体变现出来，通过核函数将低维空间数据投影到高维核空间中，将无法求解的抽象问题转化为具体的数学问题。

最小二乘支持向量机实现过程包含4个步骤：①首先选取建立模型所需样品(学习集)和检验模型可靠性所需样品(验证集)，学习集和验证集由不同类别样品组成，每个样品包含多条测井曲线或其他参数；②对所有样品进行数据预处理，以消除数量级差异对计算结果的影响；③选取合适的核函数，将低维空间的变量投影到高维空间中；④确定模型内的c和核函数，依据所建立的模型预测储层岩相。

3　实际应用

3.1样品的选取

试验样品是模型建立与效果检验的基础。为避免试验样品对建模的影响，依据岩心、薄片鉴定和成像测井资料对地层岩相进行厘定，从中选取2000个归属明确的样品点进行试验。操作过程中，选取1000个具有代表性的样品点(每个岩相250个样品点)作为输入样本(部分输入数据见表2)，其余1000个样本作为验证样本。每个样本包含5种能反映该区岩性的变量，分别为qAPI、Δt、ρ、ρlld、ΔlgR。

3.2数据预处理

由于不同测井曲线在数量级上存在差异，不仅计算量增大，也容易受个别奇异点影响，导致预测模型的代表性变差。为此，对输入数据进行归一化处理：

(6)

3.3待定系数的求取

3.4应用效果及讨论

表3和图3分别给出了最小二乘支持向量机对1000个检验样品影响效果和DS3井岩相预测结果。从整体效果看，表1中不同岩相的测井特征存在明显重叠，而利用最小二乘支持向量机进行非线性聚类后的总体符合率(判别正确样品个数/样本总数)均高于87.8%(平均88.7%)，效果明显好于常规统计方法。从不同岩相区分效果来看，泥岩相的符合率均高于93.2%(平均95.6%)，区分效果最好；粉-细砂岩相符合率均高于87.6%以上(平均89.4%)，区分效果次之；砂砾岩相和砂岩相符合率分别高于83.2%、84.0%，平均分别为84.8%、85.2%，效果略差，但也满足研究区岩相区分的需求(见表3)。从单井地质应用角度看，通过最小二乘支持向量机可快速得到单井的岩相分布，预测结果与岩心分析结果基本符合(见图3)，证明了该方法在研究区切实可行。

表3　最小二乘支持向量机识别岩相效果统计

图3　研究区DS3井岩相识别结果

4　结语

利用岩心、薄片、成像测井资料将K1s地层划分为砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相4种岩相，不同岩相的测井响应明显交叉或重叠，常规的统计方法很难直观区分不同岩相。将具有非线性聚类特征的最小二乘支持向量机应用于K1s岩相识别中，利用常规测井曲线建立储层岩相判别模型，经反复验证，砂砾岩相、中-粗砂岩相、粉-细砂岩相和泥岩相预测结果的符合率分别高于83.2%、84.0%、87.6%、93.2%，判别效果较为可靠。

[1]付广，汪芯.徐深气田聚散气能力配置类型及其与天然气储量丰度的关系[J].岩性油气藏，2011，23(1)：29～33.

[2]张大智，张晓东，杨步增.徐家围子断陷沙河子组致密气地质甜点综合评价[J].岩性油气藏，2015，27(5)：98～103.

[3]张常久.徐家围子断陷沙河子组砂砾岩储层特征及主控因素[J].大庆石油地质与开发，2014，33(2)：22～26

[4]于兴河，李顺利，杨志浩.致密砂岩气储层的沉积-成岩成因机理探讨与热点问题[J].岩性油气藏，2015，27(1)：1～13.

[5]陈超，刘韵，缪志伟. M 地区致密砂岩储层预测方法研究[J].岩性油气藏，2013，25(6)：84～88.

[6]Petford N，Meeaffrey K J W. Hyd rocarbons in crystalline rocks[M]. London：The Geological Society of London，2003.

[7]尚玲，谢亮，姚卫江，等.准噶尔盆地中拐凸起石炭系火山岩岩性测井识别及应用[J].岩性油气藏，2013，25(2)：65～69.

[8]刘俊田，张代生，黄卫东，等.三塘湖盆地马朗凹陷火山岩岩性测井识别技术及应用[J].岩性油气藏，2009，21(4)：87～91.

[9]张大权，邹妞妞，姜杨,等.火山岩岩性测井识别方法研究——以准噶尔盆地火山岩为例[J].岩性油气藏，2015，27(1)：108～114.

[10]Raghava N R，Scorer J D T，Miller F G，et al.An investion by numerical methods of the effect of pressure-dependent fock and fluid properties on well flow tests[J].SPE Journal，1972，12(3)：267～275.

[11]Vapnik V N.Statistical Learning Theory [M].New York：Join Wiley and Sons，1998.

[12]庞河清，匡建超，蔡左花，等.逐类组合支持向量机在致密储层判识和产能预测中的应用[J].大庆石油学院学报，2011，35(6)：35～40.

[13]蒋裕强，刁昱翔，王猛，等.川西南部须二段储层成岩作用与成岩相研究[J].矿物岩石地球化学通报，2014，33(4)：509～516.

[14]蒋裕强，张 春，张本健，等.复杂砂砾岩储集体岩相特征及识别技术——以川西北地区为例[J]天然气工业，2013，33(4)：31～36.

[15]张海涛，时卓，石玉江，等.低渗透致密砂岩储层成岩相类型及测井识别方法：以鄂尔多斯盆地苏里格气田下石盒子组8段为例[J].石油与天然气地质，2012，33(2)：256～263.

[16]朱怡翔，石广仁.火山岩岩性的支持向量机识别[J].石油学报，2013，34(2)：312～322.

[17]韩学辉，支乐菲，刘荣，等.用最小二乘支持向量机识别广利油田沙四段储层岩性[J].地球物理学进展，2013，28(4)：1886～1892.

[编辑]龚丹

2016-02-29

汪益宁(1972-)，男，博士，高级工程师，长期从事油气田开发技术研究工作，wangyn@zhenhuaoil.com。

P631.84

A

1673-1409(2016)29-0033-06

[引著格式]汪益宁，闫荣堃，罗佳洁，等.基于支持向量机的致密储层岩相识别[J].长江大学学报(自科版),2016,13(29):33～38.