吐哈盆地台南凹陷梧桐沟组测井相定量分析

张英男， 杨少春

(1.俄罗斯国立(古布金)石油天然气大学 地质与地球物理系，莫斯科 119991；2. 中国石油大学(华东) 地球科学与技术学院，山东 青岛 266580)

吐哈盆地台南凹陷梧桐沟组测井相定量分析

张英男1， 杨少春2

(1.俄罗斯国立(古布金)石油天然气大学 地质与地球物理系，莫斯科 119991；2. 中国石油大学(华东) 地球科学与技术学院，山东 青岛 266580)

吐哈盆地台南凹陷梧桐沟组为一套从近岸水下扇到冲积扇的沉积，受其复杂沉积特征的制约，对测井相缺乏系统的研究，制约着沉积微相的划分。针对该问题，对取心层段长、相标志明显的典型沉积微相段的电性特征进行综合分析,建立不同微相对应的测井相模式。自然伽马曲线的变化趋势可被前11个低频小波系数较好地重构出来，且这些小波系数以及重构出的低频小波曲线在不同微相之间存在着明显的差异性。分析各小波系数所代表的沉积学意义，将沉积水体的能量、稳定性以及沉积期次等复杂的空间问题转换为简单的线性几何分析，从而建立沉积微相的定量识别图版，通过计算未知相段测井曲线的小波系数与图版的最小欧氏距离，就能准确快速地判别沉积微相。

台南凹陷；测井相；定量分析；沉积微相；小波系数

目前利用测井资料进行碎屑岩沉积微相的判别主要还是通过将测井资料与岩心上的相标志相结合，利用岩心标定测井曲线的方式，观察不同微相所对应测井曲线形态特征建立起不同沉积微相对应的测井相[1-3]。这种方法虽然能充分利用人工经验，具有一定的灵活性，但却具有工作量大、精度不高，分析结果与工作人员的个人水平和经验密切相关的缺点。虽然伴随着成像、核磁等一些列测井技术推广以及频谱分析与主成分分析等处理方法的应用，沉积微相的测井定量识别逐渐发展起来[4-6]，但还存在受干扰因素较多、识别精度不高等多方面的问题。

本文利用小波变换技术对吐哈盆地台南凹陷梧桐沟组不同微相的测井曲线的形态特征进行精细刻画，提取不同测井相的前11个小波系数，归纳出小波系数所代表的沉积学意义，建立不同沉积微相的小波系数定量识别图版，利用最小欧氏距离法进行沉积微相的定量识别[7-8]。

1　测井相建立

研究区梧桐沟组的3套油层组共发育4种不同类型的沉积相。利用岩性、颜色、粒度分析以及沉积构造等相标志建立相应井段的单井相，分析不同微相的电性特征，发现深探测感应(RILD)与中探测感应(RILM)的幅度差以及自然电位(SP)、自然伽马(GR)曲线形态能够系统的刻画各微相的特征，具有较强的可识别性，图1为台121井3-3小层沉积及电性特征。在全区优选出相标志清楚，沉积特征明显且电性特征规律性好、与沉积特征吻合度高的微相段，系统分析各微相的SP、GR、RILM与RILD曲线特征，建立对应的测井相模式，图2为研究区梧桐沟组测井相特征。

图1　台121井3-3小层沉积及电性特征

Fig.1The sedimentary and electrical characteristics in 3-3 single layer of Tai 121 well

研究区梧桐沟组共发育近岸水下扇、扇三角洲、冲积扇及浅湖-半深湖4种沉积类型。其中近岸水下扇相分布范围广，几乎涵盖整个研究区；沉积厚度大，下伏的P2w3的沉积过程几乎全由近岸水下扇环境的控制，由扇中与扇端两大亚相组成，其中扇中亚相又细分为辫状水道、辫状水道前缘和辫状水道间三种微相沉积，由前至后水动力逐渐减弱，对应的测井相中曲线的异常幅度也逐渐减小。

随着水体变浅，中部的P2w2主要发育一套扇三角洲沉积，整体上水动力比P2w3要弱，主要由扇三角洲前缘和前扇三角洲组成，扇三角洲平原不发育。其中扇三角洲前缘又细分为水下分流河道和河道间沉积。不同沉积微相对应的测井相具有较大程度的差异性。

顶部的P2w1沉积时开始完全暴露在水面之上，是一套由季节性洪流控制的冲积扇沉积，主要发育扇中辫状、扇中辫状水道间以及扇端等沉积单元，不同微相对应的测井相差异性明显。

浅湖-半深湖沉积环境下形成了一套灰黑色泥质沉积，主要发育在P2w3的顶部，其测井响应特征与近岸水下扇扇端、前扇三角洲以及冲积扇扇端具有一定程度的相似性，四者的测井相差异性较小，可区分度相对较低。

图2研究区梧桐沟组测井相特征

Fig.2The characteristics of electrofacies in Wutonggou formation

2　测井相的定量分析及判别图版建立

对已经建立的测井相利用小波变换技术分别提取不同微相中GR曲线的前11个小波系数，绘制小波系数曲线图，将复杂的沉积动力学用简单的一维向量来表示[9]。在同一坐标系下分别绘制不同微相GR曲线的小波系数曲线，分别对同一沉积环境控制下的不同微相对应的GR曲线的小波系数以及不同沉积环境中不同微相对应的GR曲线进行对比分析，结果见图3。

图3各沉积微相小波系数重构曲线综合图版

Fig.3The comprehensive chart of wavelet coefficients in all kinds of sedimentary microfacies

由图2和图3可知，近岸水下扇扇中辫状水道水动力强，沉积颗粒粗，GR曲线为厚层钟型-箱型的组合样式，局部有轻微的齿化现象，受快速沉积作用的影响，曲线底部突变，上部渐变，对应于水动力的间歇期，测井曲线表现出轻微的回返现象。扇中辫状水道前缘相对于辫状水道水动力稍弱，其下伏为扇缘沉积，且为一个缓慢发生到逐渐消亡的沉积过程，测井曲线表现为低幅漏斗型，顶底均为突变，受沉积时水动力的动荡性影响，测井曲线具有一定的齿化性，扇端沉积水动力最弱，曲线相对平缓贴近泥岩基线，局部夹有齿状凸起[10]。三者的小波系数曲线差异性相对于测井相更为明显，扇中辫状水道微相中1—4小波系数值最高， 4—8系列的幅度差值最大，8—11小波系数的平均值最高，其次为辫状水道前缘，扇缘为以靠近0线的平缓状直线。

扇三角洲前缘水下分流河道水动力较强，沉积粒度较粗，GR曲线呈钟型-箱型，受水动力间歇性变化的影响，曲线内部具有明显的回返，且具有轻微的齿化现象。水下分流河道间沉积能量较弱，曲线只有在水流冲出辫状水道形成的稍粗粒沉积处发育指状或齿状突起，整体较为平缓，异常幅度也较小。前扇三角洲主要发育低能环境下的灰色泥质沉积，曲线为靠近泥岩基线的平滑状曲线，少量的微齿状凸起是由于水动力突然变强，少量的细砂质被冲刷过来发生沉积所致。三者的小波系数曲线差异性也较为明显，其中，水下分流河道微相中1—4小波系数值最高，4—8系列的幅度差值最大，8—11小波系数的平均值最高。

冲积扇沉积中扇中辫状水道为季节性洪流，水动力间歇期明显，在测井曲线上表现为多个巨幅箱型曲线垂向叠加的厚层箱型曲线，内部箱型之间曲线的回返现象明显，水道间沉积表现为细粒沉积物夹有中薄层的粗粒沉积往复式出现，在曲线上表现为若干舌状凸起，扇端则表现为平缓的曲线中夹有若干齿状凸起。其中，扇中辫状水道微相中1—4小波系数值最高， 4—8系列的幅度差值最大，8—11小波系数的平均值最高。

而将冲积扇扇中辫状水道微相、近岸水下扇扇中辫状水道微相和扇三角洲微相的小波系数曲线相对比，1—4小波系数整体值最高的是冲积扇扇中辫状水道，其次为近岸水下扇扇中辫状水道，最后为扇三角洲前缘水下分流河道，而三者沉积时水动力也表现为从前至后依次减弱的趋势；4—8小波系列的幅度差值最大的是冲积扇扇中辫状水道，其次为近岸水下扇扇中辫状水道，最后为扇三角洲前缘水下分流河道，三者沉积时水动力的相对稳定性从前至后确实依次递减的；8—11小波系数平均值最大的是冲积扇扇中辫状水道，而近岸水下扇扇中辫状水道与扇三角洲前缘水下分流河道之间相差较小，前者水动力的周期性变化较多，而后两者相对较少，且具有一定的相似性。

对比以上规律可以发现，沉积时水动力越强，1—4小波系数值越高；水体稳定性越差，4—8小波系数系列的幅度差值就越大；水动力的周期性变化越多，8—11小波系列的平均值就越高。浅湖—半深湖相的小波系数曲线之所以为一条接近0的平缓曲线，这是因为它沉积时水动力最弱，稳定性最强并且鲜有周期性变化。

在图3中，不仅能很好的区分出水动力较强的沉积微相，而且还能很好的区分浅湖-半深湖、近岸水下扇扇端、前扇三角洲以及冲积扇扇端微相。

另外，通过对表征沉积时水动力特征的GR曲线进行小波变换得出的前11个系数构成的一维向量，能很容易形象的表征出沉积过程中水动力在时空的变化，将复杂抽象的四维空间的沉积学问题转变为简单清晰的一维几何向量，用简单的数字变化形象的刻画出沉积时水动力的大小、相对稳定性及周期性变化[11]。

利用此方法对全区所有未知微相段的GR曲线进行小波变换，提取前11个小波系数，分别计算该11个小波系数构成的一维向量与图版中已知微相的小波系数向量之间的距离，挑选出与待判定微相段距离最短的微相作为判定结果。将判定结果与通过岩性、颜色及沉积构造等相标志判定的结果相对比，符合率高达94.2%。

(1) 小波系数重构曲线中的前11个小波系列值可以满足沉积微相定量识别的精度要求，可以反映出各沉积环境的水动力环境。

(2) 小波系数重构曲线中的1—4小波系列平均值的大小反映了水动力的强度，其值越大说明沉积物沉积时水动力越强；4—8小波系列值的幅度差反映了水动力的稳定性，其值越大反映沉积时水体越动荡；8—11小波系列的平均值的大小反映了水动力的周期性的变化，其值越大反映沉积期次越多，相应的非均质性越强。

(3) 作出本研究区各沉积微相小波系数重构曲线综合图版，可对未知沉积微相的测井曲线提取低频小波系数并计算与图版中已知微相间的欧式距离，取其数值最小者作为其所属沉积微相。

3　结论

(1) SP、GR曲线中蕴含着沉积时水动力强度、稳定性及沉积速率等多方面的沉积动力学方面的信息，二者的形态特征能够刻画出不同沉积微相间的差异性。

(2) GR等表征沉积动力学方面测井曲线经预处理及标准化提取的低频小波系数能够通过数值大小定量描述沉积时水动力强度、稳定性及周期性变化情况，并且具有全区的可对比性，能够直观的分析不同微相间沉积动力学方面的差异性。

(3) 利用小波变换技术从典型沉积微相对应的GR曲线中提取出来的低频小波系数，构建不同沉积微相的定量识别图版，然后通过计算最小欧式距离的方法来定量识别，能很好地将复杂抽象三维空间的沉积微相判定问题转换为一维向量间简单的几何计算问题，实现沉积微相的准确快速判别，降低了传统测井相分析方法的多解性。

[1]杨瑞召, 王萍, 张志强, 等. 塔里木盆地巴什托地区泥盆系克孜尔塔格组钻测井沉积相分析[J]. 石油实验地质, 2011, 33(4): 343-347.

Yang Ruizhao, Wang Ping, Zhang Zhiqiang, et al. Sedimentary facies analyses based on well drilling and logging data from Devonian Kerziertag formation in Bashitop area of Tarim basin[J]. Petroleum Geology & Experiment, 2011, 33(4): 343-347.

[2]钟高润, 张小莉. 鄂尔多斯盆地延长组长7段致密储层成岩相测井识别方法—以陇东地区为例[J]. 国外测井技术, 2014, 202: 24-26.

Zhong Gaorun, Zhang Xiaoli. Logging identification method for the diagenetic facies of tight reservoir in group 7 of Yangchang formation in Ordos basin: A case study in logging area[J]. World Well Logging Technology, 2014, 202: 24-26.

[3]倪新锋, 田景春, 陈洪德, 等. 应用测井资料定量识别沉积微相—以鄂尔多斯盆地姬塬白豹地区三叠系延长组为例[J]. 成都理工大学学报(自然科学版), 2007, 34(1): 3-5.

Ni Xinfeng, Tian Jingchun, Chen Hongde, et al. Quantitative discrimination of sedimentary microfacies by use of log data—Taking the Triassic Yanchang formation in Jiyuan-Baibao region of Ordos basin for example[J]. Journal of Chengdu University of Technology(Science & Technology Edition), 2007, 34(1): 3-5.

[4]闫建平, 蔡进功, 赵铭海, 等. 电成像测井在砂砾岩体沉积特征研究中的应用[J]. 石油勘探与开发, 2011, 38(4): 445-447.

Yan Jianping, Cai Jingong, Zhao Minghai, et al. Application of electrical image logging in the study of sedimentary characteristics of sandy conglomerates[J]. Petroleum Exploration and Development, 2011, 38(4): 445-447.

[5]白烨, 薛林福, 石玉江, 等. 测井成岩相自动识别及其在鄂尔多斯盆地苏里格地区的应用[J]. 中国石油大学学报(自然科学版), 2013,37(1): 35-37.

Bai Ye, Xue Linfu, Shi Yujiang, et al. An automatic identification method of log diagenetic facies and its application in Sulige area, Ordos basin[J]. Journal of China University of Petroleum, 2013,37(1): 35-37.

[6]崔维平, 杨玉卿, 李俊良, 等. 电成像测井在珠江口盆地西部沉积相研究中的应用[J]. 石油天然气学报, 2012, 34(3): 90-92.

Cui Weiping, Yang Yuqing, Li Junliang, et al. Application of electric imaging logging in the study of sedimentary facies in the western Pearl River Mouth basin[J]. Journal of Oil and Gas Technology, 2012, 34(3): 90-92.

[7]Andreas P, Franz B. Detection of non-stationarities in geological time series: Wavelet transform of chaotic and cyclic sequences[J]. Computers & Geosciences, 1996, 22(10): 1097-1108.

[8]王任一, 梅廉夫. 基于方向概率密度和小波描述子的沉积微相识别研究[J]. 沉积学报, 2008, 26(6): 948-949.

Wang Renyi, Mei Lianfu. Sedimentation microfacies identification based on direction probability density and wavelet descripitor [J]. Acta Sedimentologica Sinica, 2008, 26(6): 948-949.

[9]闫建平, 蔡进功, 李尊芝. 基于小波变换的功率谱方法及其在沉积单元界面定量划分中的应用[J]. 中国海上油气, 2008, 20(2): 96-98.

Yan Jianping, Cai Jingong, Li Zunzhi. A power spectrum method based on wavelet transformation and its application in quantitatively dividing interfaces of sedimentary unit[J].China Offshore Oil and Gas, 2008, 20(2): 96-98.

[10]肖佃师, 卢双舫, 陈海峰, 等. 基于频谱分解的测井曲线标准化方法[J]. 石油与天然气地质, 2013, 34(1): 130-132.

Xiao Dianshi, Lu Shuangfang, Chen Haifeng, et al. Logging data normalization based on frequency spectral decomposition[J]. Oil & Gas Geology, 2013, 34(1): 130-132.

[11]杨宁, 王贵文, 赖锦, 等. 应用伽马测井曲线小波变换计算粒度参数[J]. 现代地质, 2012, 26(4): 779-781.

Yang Ning, Wang Guiwen, Lai Jin, et al. Application of gamma curves wavelet transform to calculate grain size parameters[J]. Geoscience, 2012, 26(4): 779-781.

(编辑宋官龙)

Quantitative Analysis of the Log Facies of Wutonggou Formation in Tainan Depression of Tuha Basin

Zhang Yingnan1, Yang Shaochun2

(1.GeologyandGeophysicsOilandGas,GubkinRussianStateUniversityofOilandGas,Moscow119991,Russia；2.CollegeofGeosciences,ChinaUniversityofPetroleum,QingdaoShandong266580,China)

The sedimentary process of Wutonggou formation is controlled by coastal underwater alluvial fan and alluvial fan in the Tainan depression of Tuha basin. For the complicated sedimentary setting, it's difficult to identificate the microfacises with lacking of systematic studies on log facies. The representative sedimentation microfacies with obvious facies marker were selected to make contrast and summarize up the features of well loggs. The model was established for different microfacies. The first 11 low-frequence wavelet coefficients can perform well in reconstructing variation trend of GR log. There are significant differences in the wavelet coefficients and reconstructed low-frequence curves and high-frequence curves among different sedimentation microfacies. The variation law of low-frequence wavelet coefficients in every microfacies was analysized from the hydrodynamic force and other sedimentology aspects. By doing these, the abstract information of sedimentation microfacies belonging to geological space was converted into specific low dimensional feature vector of digital space. Based on this point and combing the characteristic of low-frequence curves and high-frequence curves, a set of sedimentation microfacies identification templates was established. Sedimentation microfacies were identified by calculating the minimum Euclidean distance of logging curves between small layer and identification templates, with the combination of comparing the characteristic of low-frequence curves and high-frequence curves between them.

Tainan depression; Log facies; Quantitative analysis; Sedimentary microfacies; Wavelet coefficients

1006-396X(2016)04-0076-05投稿网址：http://journal.lnpu.edu.cn

2016-03-01

2016-03-21

国家油气重大专项“断块油田特高含水期提高水驱采收率技术”(2011ZX05011-003)。

张英男(1990-)，男，硕士研究生，从事石油地质勘探、计算机图形学研究；E-mail: zyn792102916zyn@163.com。

杨少春(1962-)，男，博士，教授，博士生导师，从事油藏描述与剩余油分布研究；E-mail: scyang@upc.edu.cn。

TE132

Adoi:10.3969/j.issn.1006-396X.2016.04.016