改进的模糊-灰色综合评判方法在储层定量评价中的应用——以苏里格气田苏X井区盒8下亚段低渗透气藏为例

朱兆群，林承焰，张苏杰，任丽华，赵剑轩，陈仕臻，贾萧蓬，陈 莉，张 吉

[1.中国石油大学(华东) 地球科学与技术学院,山东 青岛 266580； 2.中国石油集团 渤海钻探工程有限公司 井下技术服务分公司,天津 300280； 3.中国石油 青海油田公司 采气一厂，青海 格尔木 816000； 4.斯伦贝谢中国公司,北京 100015；5.中国石油 勘探与生产分公司，北京 100007； 6.中国石油 长庆油田公司 苏里格气田研究中心,陕西 西安 710021]

改进的模糊-灰色综合评判方法在储层定量评价中的应用
——以苏里格气田苏X井区盒8下亚段低渗透气藏为例

朱兆群1，林承焰1，张苏杰2，任丽华1，赵剑轩3，陈仕臻1，贾萧蓬4，陈 莉5，张 吉6

[1.中国石油大学(华东) 地球科学与技术学院,山东 青岛 266580； 2.中国石油集团 渤海钻探工程有限公司 井下技术服务分公司,天津 300280； 3.中国石油 青海油田公司 采气一厂，青海 格尔木 816000； 4.斯伦贝谢中国公司,北京 100015；5.中国石油 勘探与生产分公司，北京 100007； 6.中国石油 长庆油田公司 苏里格气田研究中心,陕西 西安 710021]

储层认识不成熟以及评价信息不完备等问题，给苏里格气田苏X井区盒8下亚段低渗透气藏早期的储层评价带来很多不确定性，进而无法精细刻画储层特征。如何充分体现储层评价过程的不确定性以及有效扩大评价结果的差异性,则成为改善储层评价效果的关键。以隶属度为纽带，按照多信息叠合思想，将不确定方法中的模糊综合评价和灰色关联评价方法有机组合，对内部算法进行差异化改进处理，建立了更加有效的模糊-灰色综合评判方法。实例应用表明，新方法在兼顾研究区储层评价模糊性和灰色性的同时，还提高了低渗透储层的区分度，提升了储层描述的精度。根据改进后的储层分类结果，将盒8下亚段划分出4类储层，其中Ⅰ和Ⅱ类为有利储层。平面上储层展布与过去的近连片认识相比刻画得更加精细，储层类别间具有较好的区分，更贴近河流沉积的发育规律和地质知识库，与已有实践成果和地质认识也大致匹配。该方法能够快速有效地指导气田勘探开发部署实践，为类似的低渗透储层评价提供了新的思路。

定量评价；模糊数学；灰色理论；储层描述；盒8下亚段；苏里格气田

苏里格气田是我国现阶段最大的天然气田，处在鄂尔多斯盆地陕北斜坡构造单元的北部(图1)，研究区苏X井区位于苏里格气田的西南，面积约200 km2。盒8下亚段为一套主力气层，具有“低渗、低压、低丰度”的地质特征，在连片低丰度含气背景下存在相对富集区，储层是气藏富集的关键[1]。由于苏X井区滚动勘探开发时间较短，工区面积大，基础工作投入较少等问题存在，使得目前对盒8下亚段储层缺乏系统的研究和认知。在前期的储层地质评价中仍面临较大的不确定性：一方面低渗透储层本身较为复杂，往往分类标准不明确，评判较模糊；另一方面研究区投入程度较低，可获取资料数据相对较少，支撑评价信息不充分，表现出灰色性。因此储层认识不成熟、评价信息不完备等主客观条件的限制给研究区的储层宏观评价工作带来一定的困难，也制约着气田加快开发的步伐。

图1 研究区苏里格气田苏X井区位置示意图Fig.1 Location map of the Su X Block in the Sulige gasfield

目前许多学者围绕储层评价做了大量工作，其中多数为对储层参数建立等级标准进行确定性评价[2-5]。针对类似研究区低渗透储层评价中所表现出来的不确定性和非线性，模糊和灰色等评价方法开始得到部分应用[6-15]。其中Foley，吴胜和等[6-7]对储层评价中表现出的模糊性、灰色性等不确定性进行了系统总结分析；Ghadam等[8]利用模糊数学并借助于人工智能对某一大型碳酸盐储层进行有效表征和分类评价；Ranjbar-Karami等[9]则通过模糊系统方法并加以改进提高了波斯湾南部气田某一致密气藏储层弹性性能评价的可靠性；Liang等[10]采用灰色关联法对影响威利斯顿盆地Baken致密油储层单井产能的因素及其关系进行了定量分析评价；杨正明等[11]通过模糊综合评判方法将低渗透储层指标进行集成对大庆外围低渗透油田开展了储层综合评价；朱伟等[12]基于模糊数学对滨里海盆地东南部进行油气储层评价，克服了评价过程中诸多不确定因素带来的复杂化和主观性问题；涂乙等[13]将灰色关联法应用到青东凹陷储层评价中，解决了在信息数据不充分条件下的定量评价问题；叶礼友等[14]则针对低渗透砂岩的特点分别应用模糊分析法和灰色关联度分析法建立了相应的储层综合分类评价标准。总体上当前不确定性储层评价方法的应用仍是以模糊或灰色某一方法为主，多只考虑到不确定性的某一方面，兼顾模糊性与灰色性的综合评判模型还较少，并且也往往忽略了在评价过程中为了提高表达一般性、减少不确定性而使得评价结果差异性减弱，区分度降低的问题，影响最终的评价效果[16]。因此如何既能充分体现评价过程的不确定性，又能有效扩大评价结果的差异性成为进一步改进储层评价的关键。本文结合苏里格气田苏X井区盒8下亚段低渗透储层评价的实际，建立了基于模糊综合评价和灰色关联评价方法组合改进的模糊-灰色综合评判新方法，并应用于研究区实例，以期能够为气田早期的快速有效开发提供地质依据，并对类似低渗透储层评价方法进行有益探索。

1 模糊-灰色综合评判思路和方法

一般认为，复杂性和精确性相互排斥，即随着事物变复杂，其不确定性增强，精确化评价能力降低[17-18]。模糊数学和灰色理论是近年来应用较广的两种系统评价方法，它们具有综合定量评价复杂不确定性事物的优势[19-22]。本文建立的模糊-灰色综合评判方法，其核心为在立足于已有模型及研究区盒8下段低渗透储层评价研究现状的基础上，综合模糊综合评价和灰色关联评价的方法原理和优势，以隶属度为纽带，按照多信息叠合思想将其组合在一起，并对内部结构和算法进行改进，在模型中增加特征信息，最大限度地体现综合性、定量性和差异性，降低不确定性，更好地应用于低渗透储层宏观评价中。

模糊-灰色综合评判基本思路：针对储层评价的客观实际，在充分获取数据资料基础上建立基础评价集(包括因素集、评语集和权重集)；确定隶属度，通过隶属度评判矩阵连接模糊、灰色评价数据，并改进模糊综合评价和灰色关联分析模型进行储层多源信息的挖掘；通过多信息叠合集成模糊、灰色评价结果，并应用计算机可视化技术完成储层知识的发现与表达，做出相对客观的储层综合评价，为气田有效开发和科学决策提供依据。总体上按照递进关系可构成基于数据-信息-知识的系统评价流程(图2)。

1.1 建立评价集

建立评价集是评价的基础。评价集一般由因素集、评语集及权重集组成。因素集即评价指标体系，储层评价的指标有很多，其选择需遵从一定的原则，如整体性、科学性、可比性与实用性原则等[23]，同时要符合客观实际，保证数据的可得性与可靠性。评语集也称评价等级，可以是一组定性的有序描述，如(很好、好、中等、差、很差)或者(一级、二级、三级)等，也可以是一组定量的有序数值，如(0.8,0.6,0.4,0.2)等，一般评价等级多划分为3～5个。权重集用来反映评价因素，即各储层指标的相互关系和重要程度，常见权重确定方法有德尔菲法、主成分分析法、层次分析法、熵权法与特征向量法等[24]，其中熵权法[25]从信息熵的角度出发根据指标变异大小来确定权重，能够避免人为判断带来的随意性，比较客观，见公式(3)—(5)。

图2 模糊-灰色储层综合定量评价流程Fig.2 Flow chart of comprehensive quantative reservoir evaluation based on the fuzzy-grey method

最终建立的因素集可记为：

(1)

式中：u1,u2,…,un代表n个评价因素。

最终建立的评语集可记为：

(2)

式中：v1,v2,…,vm代表m个评语等级。

熵权法计算公式：

(3)

(4)

(5)

式中：K为评价样本对象的数目；xki为第k个评价对象第i种指标的样本数据；Pki为第k个评价样本数据在第i种指标中所占的比例；Ei为第i种指标的信息熵，无量纲；ai为第i种指标的权重，无量纲。

最终建立的权重集可记为：

(6)

式中：a1,a2,…,an代表n个权重值。

1.2 确定隶属度

隶属度函数为不确定性事物关系的描述处理提供了定量化的方法手段。以往储层评价主要根据分级标准来进行储层分类和评分，即按照排中率每个属性对象只能固定归于某一类，没有其他中间状态可能，而现实中低渗透储层不同类别之间的界线并不是非常严格和准确，存在不确定性。隶属度函数用多值的“亦此亦彼”的软划分来代替“非此即彼”的硬划分，每个对象通过隶属度转换对不同评价等级都有一定的隶属关系，并用[0,1]的数值来表述，能够较好地体现储层类别间渐变过渡的性质，更贴合低渗透储层评价的应用实践。目前隶属度函数的确立还没有一套成熟有效的方法,常见的隶属度确定方法包括统计试验法、专家经验法、二元对比排序法和分布函数法等。其中分布函数法是比较常用的方法，主要包括矩形分布、梯形分布、哥西分布、岭形分布等[26]。需要指出的是，虽然不同的人可能建立的隶属度函数形式不同，但只要能反映同一模糊概念，在解决和处理实际问题上仍然可以殊途同归，取得较一致的结果，而所得到的隶属度多只是“近似”，需要在实践中根据信息反馈不断加以调整，使之逐步完善。检验隶属度函数建立是否合适的标准，也主要看其是否符合实际及应用的效果。最终通过隶属度函数确定隶属度建立起基础评价矩阵，可记为：

(7)

式中：rij表示评价对象中第i个因素对第j种评语的隶属度。

1.3 改进模糊综合评价

传统的模糊综合评价主要通过权重集与隶属度基础矩阵，进行模糊合成运算来获得评价对象的综合隶属度，为了保留更多评判信息，又进一步将综合隶属度归一化，作为权值与数值型评语集加权求和得到模糊评价值[24]。其公式为：

式中：bj表示评价对象对第j种评语的综合隶属度。

(9)

由上式可以看出传统模糊综合评价结果范围随评语集而定，不便于后续与灰色评价方法的统一和比较。另外在通过隶属度转换建立隶属矩阵过程中，虽相对提高了数据表达的一般性，体现了人的模糊认识，有助于减少不确定性，但也在客观上造成原始部分细节信息丢失，使得评价结果容易重叠冗余，区分度不高，类比于图像的模糊化处理，影响储层评价的效果。此次在原有基础上参照相对模糊优属度模型结构[14，19]进行改进，使评价结果能够自然介于0～1，同时通过与最优、最劣评语的对比来强化差异信息，有效扩大结果数据范围和离散度，提高评价模型特征提取能力，得到最后的模糊评价值表示为：

式中：mk为第k个评价对象改进后的模糊评价值，无量纲；p为分辨系数，无量纲，是为了在保证结果优属关系不变的情况下能够得到较好的区分效果，根据相对模糊优属度模型的取值经验以及人的一般认知习惯通常取2，也可视评价效果及评价者需要和偏好而相应调整。

1.4 改进灰色关联评价

对传统的灰色关联评价模型进行改进。首先在评价的输入端即模型数据上，以往灰色关联中无量纲灰色比较序列多是运用初值化、均值化与归一化等算子直接处理得来[20]，未考虑到储层本身的模糊性。此次以隶属度为纽带，对模糊化过程进行抽离组合，在运算上通过将隶属度矩阵作为权值与评语集进行合成来得到评价对象的无量纲比较序列，以实现与模糊综合评价的有机结合，记为：

式中：di表示评价对象第i种因素的灰色序列值，无量纲。

其次在模型结构上，以往灰色关联分析主要确定一个参考序列作为对比的母序列，此次参照Topsis法[27]的评价思想，充分利用比较信息，以储层评价集最优评语和最劣评语组成最优参考序列和最劣参考序列，记为：

(12)

(13)

式中：Dg为最优参考序列；Db为最劣参考序列。

采用邓氏关联度方法分别计算比较数列与两参考数列之间各个因素的关联系数，通过对关联系数加权综合求得最优和最劣灰色关联度，即得到相对的正理想解和负理想解，分别记为：

(15)

(17)

最后在模型结果上同样为了充分挖掘对象间差异信息，减少由储层数据不充分带来的灰色性，将得到的最优和最劣关联度进行强化对比，以尽可能增加结果的辨析区间，提高模型的识别和适应能力，则灰色评价信息记为：

(18)

式中：hk为第k个评价对象改进后的灰色评价值，无量纲；p为分辨系数，无量纲，其值大小影响灰色评价结果的分布状况和离散趋势，一般为了得到合适的取值区间常取1，也可视具体实际效果而有所调整。

1.5 多信息叠合

从某种意义上讲，评价的本质就是各种信息不断叠合的过程。多信息叠合是在地质评价中比较常用的一种方法[28]，主要借助一定技术手段，按照一定算法在空间上对多源信息进行叠合，并通过可视化成图实现评价知识的发现和表达，进而直观地服务于综合决策分析。此次将得到的模糊和灰色评价结果作为新的储层不确定性信息[29]，并赋予空间属性按照组合集结的方式[30]进行叠合，进而在评价输出端有机连接模糊综合评价与灰色关联分析。同时为了进一步提高叠合信息的分辨度，借鉴图像模糊逆处理的图像增强算法，通过非线性变换对结果进行差异化处理，以增强最终评价效果。记为：

(19)

式中：xk为第k个评价对象的叠合评价值，无量纲；α+β=1，0≤α≤1，0≤β≤1，可视地位均等各取0.5，也可据专家经验或评价效果而相应调整。

(20)

式中：zk为第k个评价对象改进后的叠合评价值，无量纲；0≤σ≤1，0≤τ≤1，σ和τ控制着变换的程度和样式，可各取0.5，也可视具体实际效果进行调整，当两者都为1时，为原始变换。

2 实例应用

此次针对研究区苏里格气田苏X井区盒8下亚段低渗透储层评价中储层较为复杂、资料相对匮乏等方面的实际，尝试基于上述模糊-灰色综合评判方法来系统开展储层综合定量评价，以进一步阐述其应用，同时期望对该区天然气勘探开发及生产实践提供一定的指导。

2.1 储层基本特征

研究区盒8下亚段是一个以河流相为主体的大面积分布的砂岩岩性气藏，受构造的影响不明显。根据少量的井数据分析，并结合邻区的岩石鉴定及化验资料，盒8下亚段储层主要为岩屑石英砂岩，粒度较粗，磨圆呈次棱-次圆状；分选中等，为颗粒支撑类型；颗粒间以线接触为主，整体表现为中等偏低的成分和结构成熟度；储层物性较差，非均质性强，岩心测试显示孔隙度在5.02%～19.91%，平均值为9.18%，渗透率介于0.005×10-3～14.726×10-3μm2，平均为1.049×10-3μm2，属于典型的低渗透储层(图3)。

2.2 建立评价集

因素集，目前低渗透储层评价指标主要包括储层类型(岩性、岩相、沉积相)、储层厚度(砂体厚度、有效厚度)、储层物性(孔隙度、渗透率)、储层微观特征(孔隙结构、成岩作用)和储层非均质特征(渗透率变异系数、突进系数)等多方面的内容[31]。很多学者也曾有针对性地提出新的指标，如通过压汞与核磁实验等获取排驱压力、孔喉中值半径、最小非汞饱和度百分数，可动流体比率等[32-34]。但这些指标受客观限制较大，并多用于机理分析与微观表征等方面，难以有效指导宏观区域评价。尤其对研究区而言，由于投入开发时间较短，研究程度偏低，资料较短缺，可利用储层评价资源相对较少，很多指标无法得到或不具有代表性。此次从实际出发，按照评价参数选择原则，综合考虑确定出较为全面的、属性意义相对明确并且可以广泛获取的评价指标集合，包括砂体厚度、孔隙度、渗透率、含气饱和度、泥质含量及非均质突进系数。其中砂体厚度、孔隙度、渗透率和含气饱和度与储层质量成正比关系，为正相关指标，泥质含量与突进系数与之相反，为负相关指标。相应地最后建立的因素集记为：

图3 苏里格气田盒8下亚段储层综合柱状图Fig.3 Composite column section of the lower section of the eighth member of the Shihezi Formation in the Su X Block,Sulige gasfield

(21)

式中：H为砂体厚度，m；Φ为孔隙度，%；K为渗透率，10-3μm2；Sg为含气饱和度，%；Sh为泥质含量，%；Tk为突进系数，无量纲。

评语集，根据一般的储层分类习惯结合研究区盒8下亚段储层发育情况和指标特征，将评语划分为4个级别，建立评语集为：

(22)

权重集，此次主要通过熵权法来确定不同评价指标的权重。一般来说指标变异程度越大，代表所能提供的信息量越多，在综合评价中也就相对越重要[24]。将工区100多口井的样本数据代入公式3～5中，得到因素集各指标的权重，建立权重集为：

(23)

2.3 确定隶属度

定量表达隶属度并建立不同类别的隶属关系是建立隶属度函数的主要目的和任务。其中模糊分布中的岭形系列分布曲线具有主值区间宽、过渡带平缓以及抗干扰能力强的特点，更接近人的认识特点和习惯，在评价中应用较广泛[24]。岭形分布同其它模糊分布一样，按照描述关系具有偏小型(降半岭形分布)、偏大型(升半岭形分布)和中间型(中间岭形分布)3种具体表现形式(表1)。此次根据岭形分布的曲线形式和公式，并结合研究区储层指标评价标准，构造出各个评价参数对不同评价等级的隶属度分布函数。利用建立的隶属度函数曲线，可以将单一的储层样本转换为多值的隶属关系集合，进而实现从因素集到评语集的不确定性关系映射。以苏X-12-21井盒8下段储层样本为例，其砂体厚度H=13.75 m，代入砂体厚度参数的隶属度函数曲线公式(表2)，可得到对四类储层评语的隶属度(0.854,1,0.146,0)。以此类推获得该样本所有参数数据的隶属度集合，构成苏X-12-21井盒8下亚段储层评价的基础矩阵R，记为：

表1 岭形分布隶属度函数曲线及公式

(24)

2.4 模糊综合评价

以上述苏X-12-21井盒8下亚段储层为例，将得到的隶属基础矩阵R代入模糊综合评价公式(8)—(10)中，可分别计算出综合隶属度B=(0.593,0.958,0.407,0.026)，模糊评价值C=0.614，改进的模糊评价值M=0.831，进一步推广得到全区的模糊综合评价结果。对改进前后的模糊评价值数据特征进行对比：传统的即改进前的模糊评价结果C数值区间为0.257～0.770，离散度指标标准差为0.096；改进后的模糊评价结果M数值区间为0.011～0.997，数据标准差为0.253；从模糊评价值频率分布对比直方图(图4)上也可以直观地看出，改进后的评价值数据范围得以扩大，分布相对较分散，便于区分和识别，可挖掘更多的信息。

2.5 灰色关联评价

同样以上述苏X-12-21井盒8下亚段储层为例，将得到的隶属基础矩阵R代入灰色关联评价公式(11)，得到该储层的灰色比较序列D=(0.671,0.680,0.502,0.470,0.694,0.707);通过公式(12)和(13)确定比较的最优数列为Dg=(0.8,0.8,0.8,0.8,0.8,0.8)和最劣数列为Db=(0.2,0.2,0.2,0.2,0.2,0.2);利用公式(14)和(15)计算出最优灰色关联系数和关联度为Eg=(0.699,0.714,0.502,0.476,0.739,0.763)，Fg=0.640;利用公式(16)和(17)计算出最劣灰色关联系数和关联度为Eb=(0.389,0.385,0.498,0.526,0.378,0.372)，Fb=0.428;最后利用公式(18)得到改进的灰色关联结果为H=0.727，依照同样的方法可得到全区的灰色关联评价结果。进一步对改进前后的灰色评价值数据特征进行对比分析：若按照以往仅以最优关联度Fg作为灰色关联评价结果，则其数值分布范围在0.352～0.955，比较紧凑，数据标准差为0.106；而改进后的灰色评价值H分布区间为0.178～0.984，标准差为0.170；频率直方图(图4)也显示改进后评价结果数据区间长度增大，离散度提高，有效丰富了结果的差异信息，有利于更好地对比评价。

表2 砂体厚度参数的隶属度函数分布

2.6 多信息叠合

以上述苏X-12-21井盒8下亚段储层为例，在分别得到改进后的模糊评价值M=0.831和灰色评价值H=0.727后，将其代入公式(16)和(17)，得到最后的储层综合定量评价值Z=0.827。如果按照传统评价结果和常规叠合公式(16)得到的综合评价值X=0.627。同样对照两组综合评价结果数据特征：改进前常规方法得到的结果数据区间为0.304～0.862，标准差为0.099，而改进后数值区间扩展为0.060～0.995，标准差为0.239，数据范围已经接近0～1，类似于图像增强处理一样分辨度得到较大的改善；频率分布对比图(图4)也形象表明改进后的结果大大提高了数据结构的差异性和区分度，使得储层能够有条件刻画得更细致和准确。

2.7 储层综合评价

储层综合评价有效集成各个储层参数，可以避免单一指标评价的不唯一和不一致性。利用最终改进后的综合定量评价结果对钻探目标进行排队和优选，并通过系统聚类，结合气田实际将研究区盒8下亚段划分出Ⅰ类储层(综合得分为0.7～1.0)，Ⅱ类储层(综合得分为0.5～0.7)，Ⅲ类储层(综合得分为0.3～0.5)和Ⅳ类储层(综合得分为0～0.3)。经检验分类结果总体符合率在90%左右，比改进前准确度提高10%以上。通过与已有试采开发成果对照基本相吻合(表3)：总体上储层地质评价相对较高(多为Ⅰ和Ⅱ类储层)的井产气量较多、开发效果较好，其平均产能可在1.0×104m3/d以上；Ⅲ类储层产气量相对较低，开发效果偏差；而Ⅳ类储层产气微量，多数为干层，基本上不具备工业开发价值。对于具体评价实例苏X-12-21井盒8下亚段储层，其综合得分为0.827，评价等级属于Ⅰ类储层，经测试，其单井日采气量在1.25×104m3左右，具备较高的生产能力，评价结果与生产实际相符合。

图4 苏X-12-21井盒8下亚段储层评价结果改进前后对比Fig.4 Comparison of the reservoir evaluation results before and after improvement in the Su X Block,Sulige gasfield

部分试气层段对应储层类型盒8下亚段不同储层平均单井产能井号试气层位日产气/(104m3)储层类型苏X-11-09盒8下亚段1451Ⅰ苏X-13-07盒8下亚段1003Ⅱ苏X-15-10盒8下亚段1786Ⅰ苏X-20-13盒8下亚段0935Ⅱ苏X-14-22盒8下亚段0446Ⅲ苏X-18-22盒8下亚段0131Ⅳ苏X-12-07盒8下亚段0260Ⅲ苏X-12-19盒8下亚段—Ⅳ

根据改进后的储层综合评价平面分布图可以看出,总体上储层展布与过去的近连片认识相比刻画得更加精细(图5)，储层类别间具有较好的区分，更贴近河流沉积的统计规律和知识库，与已有实践成果和单井地质认识也大致匹配(图6)。其中Ⅰ和Ⅱ类储层平面多呈带状，宽度在1 000～3000 m，基本对应研究区河道主体沉积的地质发育尺度；纵向连续性较好，满足水平井开发需要，单井相分析主要为叠置的心滩、河道滞留及高能水道沉积，砂体厚，粒度粗，以含气含砾中、粗砂岩为主，物性较好。Ⅲ和Ⅳ类储层多呈扁平状，散布在Ⅰ和Ⅱ类储层外侧，展布规律性偏差，主要对应低能水道、溢岸沉积等，粒度偏细，以中、细砂岩和粉砂岩为主，泥质增加，物性较差。研究区盒8下亚段储层评价结果整体相对较高，Ⅰ和Ⅱ类储层发育良好，产气较高，可作为地质甜点，是天然气富集和下一步开发的有利区。在评价的南北向条带状的Ⅰ和Ⅱ类储层中已部署多口水平井或丛式水平井，皆取得了满意的开发效果，有效促进了研究区气藏的勘探开发进程；另外新方法在研究区盒8上亚段和山1段的储层评价中也得到较好的应用推广。

图5 苏里格气田苏X井区盒8下亚段储层综合评价及对比Fig.5 Comprehensive reservoir evaluation map of the lower section of the eighth member of Shihezi Formation in Su X region of Sulige gasfielda.改进前储层综合评价;b.改进后储层综合评价

图6 苏里格气田苏X井区盒8下亚段各类储层对应单井地质特征Fig.6 Corresponding geological features in a single well for each of the reservoir categories in the Su X Block,Sulige gasfielda.Ⅰ类储层典型单井柱状图(苏X-16-24)；b.Ⅱ类储层典型单井柱状图(苏X-13-07)；c.Ⅲ类储层典型单井柱状图(苏X-18-18)；d.Ⅳ类储层典型单井柱状图(苏X-14-13)

3 结论

1) 结合苏里格气田苏X井区盒8下亚段低渗透储层评价的实际，提出了基于模糊综合评价和灰色关联评价方法组合改进的模糊-灰色综合评判新方法和系统评价思路。该方法通过集成储层评价的模糊性、灰色性及差异化处理，能够较好体现低渗透储层评价过程的不确定性和评价结果的差异性，为类似低渗透储层评价提供了新的思路。

2) 改进的模糊-灰色综合评价方法应用于研究区储层分类评价和刻画中，将研究区储层分为4类，指出Ⅰ和Ⅱ类为有利目标。评价结果区分度有了较大提高，平面上对储层刻画更精细，与生产实际及地质认识基本吻合，较好地指导了研究区勘探开发实践。

[1] 叶成林，王国勇，何凯，等.苏里格气田储层宏观非均质性——以苏53区块石盒子组8段和山西组1段为例[J].石油与天然气地质，2011，32 (2):236-244. Ye Chenglin,Wang Guoyong,He Kai,et al.Macro heterogeneity of reservoirs in Sulige gasfield—a case study of the 8thmember of the Shihezi Formation and the 1thmember of the Shanxi Formation in the Su53 Block [J].Oil & Gas Geology,2011,32(2):236-244.

[2] 侯瑞云,刘忠群.鄂尔多斯盆地大牛地气田致密低渗储层评价与开发对策[J].石油与天然气地质,2012,33(1):118-128. Hou Ruiyun,Liu Zhongqun.Reservoir evaluation and development strategies of Daniudi tight sand gas field in the Ordos Basin[J].Oil & Gas Geology,2012,33(1):118-128.

[3] 赖锦，王贵文，郑新华，等.大北地区巴什基奇克组致密砂岩气储层定量评价 [J].中南大学学报:自然科学版，2015，46(6):2285-2298. Lai Jin,Wang Guiwen,Zheng Xinhua,et al.Quantitative evaluation of tight gas sandstone reservoirs of Bashijiqike formation in Dabei gas field [J].Journal of Central South University,2015,46(6):2285-2298.

[4] 张仲宏，杨正明，刘先贵，等.低渗透油藏储层分级评价方法及应用[J].石油学报,2012,33(03):437-441. Zhang Zhonghong,Yang Zhengming,Liu Xiangui,et al.A grading evaluation method for low-permeability reservoirs and its application[J].Acta Petrolei Sinica,2012,33(3):437-441.

[5] Xiao L,Zou C,Mao Z,et al.An empirical approach of evaluating tight sandstone reservoir pore structure in the absence of NMR logs[J].Journal of Petroleum Science and Engineering,2016,137:227-239.

[6] Foley L,Ball L,Hurst A,et al.Fuzziness,incompleteness and randomness;classification of uncertainty in reservoir appraisal[J].Petroleum Geoscience,1997,3(3):203-209.

[7] 吴胜和，杨延强.地下储层表征的不确定性及科学思维方法[J].地球科学与环境学报，2012，34(2)：72-80. Wu Shenghe,Yang Yanqiang.Uncertainty and scientific methodology in subsurface reservoir characterization [J].Journal of Earth Sciences and Environment,2012,34(2):72-80.

[8] Ghadami N,Rasaei M R,Hejri S,et al.Consistent porosity-permeability modeling,reservoir rock typing and hydraulic flow unitization in a giant carbonate reservoir[J].Journal of Petroleum Science and Engineering,2015,131:58-69.

[9] Ranjbar-Karami R,Shiri M.A modified fuzzy inference system for estimation of the static rock elastic properties:A case study from the Kangan and Dalan gas reservoirs,South Pars gas field,the Persian Gulf[J].Journal of Natural Gas Science and Engineering,2014,21:962-976

[10] Liang T,Chang Y,Guo X,et al.Influence factors of single well's productivity in the Bakken tight oil reservoir,Williston Basin[J].Petroleum Exploration and Development,2013,40(3):383-388.

[11] 杨正明，张英芝，郝明强，等.低渗透油田储层综合评价方法[J].石油学报，2006，27(2)：64-67. Yang Zhengming,Zhang Yingzhi,Hao Mingqiang,et al.Comprehensive evaluation of reservoir in low-permeability oilfields [J].Acta Petrolei Sinica,2006,27(2):64-67.

[12] 朱伟，顾韶秋，曹子剑，等.基于模糊数学的滨里海盆地东南油气储层评价[J].石油与天然气地质，2013，34(3)：357-362. Zhu Wei,Gu Shaoqiu,Cao Zijian,et al.Fuzzy mathematics-based reservoir evaluation in the southeastern Pre-Caspian Basins[J].Oil & Gas geology,2013,34(3):357-362.

[13] 涂乙,谢传礼,刘超,等.灰色关联分析法在青东凹陷储层评价中的应用[J].天然气地球科学，2012，23(2)：381-386. Tu Yi,Xie Chuanli,Liu Chao,et al.Application of Grey correlation analysis method in research evaluation of Qingdong Sag [J].Natural Gas Geoscience,2012,23(2):381-386.

[14] 叶礼友，钟兵，熊伟，等.川中地区须家河组低渗透砂岩气藏储层综合评价方法[J].天然气工业，2012，32(11)：43-46. Ye Liyou,Zhong Bing,Xiong Wei,et al.An integrated evaluation method of Xujiahe low permeability sandstone gas reservoirs in Middle Sichuan Basin [J].Natural Gas Industry,2012,32(11):43-46.

[15] 程启贵，郭少斌，王海红，等.鄂尔多斯盆地中西部长6油层组储层综合评价[J].石油实验地质，2010，32(5)：415-419. Cheng Qigui,Guo Shaobin,Wang Haihong,et al.Comprehensive reservoir evaluation of chang-6 oil-bearing layers in midwest ordos basin[J].Petroleum Geology & Experiment,2010,32(5):415-419.

[16] 石骁騑，石广仁，张庆春.模糊数学和灰色理论综合评判效果对比[J].石油勘探与开发，2002，29(2)：84-85. Shi Xiaofei,Shi Guangren,Zhang Qingchun.Comparison of integrated decision results between fuzzy mathematics and grey theory[J].Petroleum Exploration & Development,2002,29(2):84-80.

[17] Zadeh L A.Outline of a new approach to the analysis of complex systems and decision processe[J].IEEE Transactions on Systems,Man and Cybernetics,1973,3(1):28-44.

[18] 王汝发,朱海文.从精确科学到模糊科学的哲学思考[J].北京科技大学学报(社会科学版)，2001，17(1)：1-8. Wang Rufa,Zhu Haiwen.A philosophical thinking from exact science to fuzzy science [J].Journal of University of Science and Technology Beijing( Social Science Edition),2001,17(1):1-8.

[19] 王文圣，张翔，金菊良，等.水文学不确定分析方法[M].北京：科学出版社，2011：157-288. Wang Wensheng,Zhang Xiang,Jin Juliang,et al.Method of uncertainty ananysis for hydrology[M].Beijing:Science Press,2011:157-288.

[20] 刘思峰，党耀国，方志耕，等.灰色系统理论及其应用[M].北京：科学出版社，2010：1-12. Liu Sifeng,Dang Yaoguang,Fang Zhigeng,et al.Grey system theory and application[M].Beijing:Science Press,2010:1-12.

[21] Wong P,Aminzadeh F,Nikravesh M.Soft computing for reservoir characterization and modeling[J].Studies as fuzziness and soft computing,2001,80(5):586-590.

[22] Tamiloli N,Venkatesan J,Ramnath B V.A grey-fuzzy modeling for evaluating surface roughness and material removal rate of coated end milling insert[J].Measurement,2016,84:68-82.

[23] 周德群，方志耕，潘东旭.系统工程概论[M].北京：科学出版社,2007：194-201. Zhou Dequn,Fang Zhigeng,Pan Dongxu.Introduction to system engineering[M].Beijing:Science Press,2007:194-201.

[24] 李柏年.模糊数学及其应用[M].合肥：合肥工业大学出版社,2007：77-84 Li Bonian.Fuzzy mathematics and its application [M].Hefei:Hefei University of Technology Press,2007:77-84.

[25] 杨少春，杨兆林，胡红波.熵权非均质综合指数算法及其应用[J].中国石油大学学报：自然科学版，2004，28(1)：18-21. Yang Shaochun,Yang Zhaolin,Hu Hongbo.An algorithm of heterogeneous synthetic index with entropy weight[J].Journal of China University of Petroleum(Edition of Natural Science),2004,28(1):18-21.

[26] 赵鹏大.定量地学：方法及应用[M].北京：高等教育出版社，2004：100-120. Zhao Pengda.Quantitative geoscience:methods and its applications[M].Beijing:Higher Education Press,2004:100-120.

[27] 王新民，秦健春，张钦礼，等.基于AHP-TOPSIS评判模型的姑山驻留矿采矿方法优选[J].中南大学学报:自然科学版，2013，44(3):1131-1137. Wang Xinmin,Qin Jianchun,Zhang Qinli,et al.Mining method optimization of Gu Mountain stay ore based on AHP-TOPSIS evaluation model[J].Journal of Central South University,2013,44(3):1131-1137.

[28] 郄瑞卿，薛林福，孙晶，等.多源信息叠合在延吉盆地油气远景预测的应用[J].地球物理学进展，2009,24 (6):2128-2134. Qie Ruiqing,Xue Linfu,Sun Jing,et al.Oil and gas prospect forecast for the Yanji basin based on the multi-source information superimposed evaluation method [J].Progress in Geophysics,2009,24(6):2128-2134.

[29] 王清印，刘志勇.不确定性信息的概念、类别及其数学表述[J].运筹与管理，2001,10 (4):9～15 Wang Qingyin,Liu Zhiyong.The conception,sort and mathematical expression of Application of uncertainty information [J].Operations research and management science,2001,10(4):9-15.

[30] 郭亚军.综合评价理论、方法及应用[M].北京:科学出版社，2007：79-100. Guo Yajun.Comprehensive evaluation theory,method,and application[M].Beijing:Science Press，2007：79-100.

[31] 晁会霞，姚卫华，杨兴科，等.储层综合评价方法在白豹油田中的应用[J].西安石油大学学报(自然科学版)，2010,25(6):1-7. Chao Huixia,Yao Weihua,Yang Xingke,et al.Application of a comprehensive evaluation of method of reservoir in Bainao oilfeild[J].Journal of Xi’an Shiyou University:Natural Science Edition,2010,25(6):1-7.

[32] 杨百全，黄华梁，李玉华，等.低渗透储层特征参数研究与应用[J].天然气工业,2001,21(2):32-35. Yang Baiquan,Huang Hualiang,Li Yuhua,et al.A research on the characteristic parameters of low permeability reservoirs and its application [J].Natural Gas Industry,2001,21(2):32-35.

[33] 郑磊，金之钧，张哨楠.中东鲁卜哈利盆地古生界致密砂岩储层特征及评价[J].石油与天然气地质,2013(4):475-482. Zheng Lei,Jin Zhijun,Zhang Shaonan.Features and evaluation of the Palaeozoic tight sandstone reservoirs of the Rub Al Khali Basin in the Middle East[J].Oil & Gas Geology,2013,34(4):475-482.

[34] 杨正明，姜汉桥，朱光亚，等.低渗透含水气藏储层评价参数研究[J].石油学报,2008,29(2):252-255. Yang Zhengming,Jiang Hanqiao,Zhu Guangya,et al.Research on reservoir evaluation index for low-permeability water-bearing gas reservoir[J].Acta Petrolei Sinica,2008,29(2):252-255.

(编辑 董 立)

Application of improved fuzzy-grey comprehensive evaluation method to quantitative reservoir evaluation:A case study of the low-permeability gas reservoirs of the lower part of 8th member of the Shihezi Formation in Su X block of Sulige Gasfield

Zhu Zhaoqun1,Lin Chengyan1,Zhang Sujie2,Ren Lihua1,Zhao Jianxuan3, Chen Shizhen1,Jia Xiaopeng4,Chen Li5,Zhang Ji6

[1.SchoolofGeosciences,ChinaUniversityofPetroleum(EastChina),Qingdao,Shandong266580,China；2.DownholeTechnologyServiceCompany,CNPCBHDC,Tianjin300580,China；3.No.1NaturalGasProductionPlant,QinghaiOilfieldCompany,PetroChina,Golmud,Qinghai816000,China；4.SchlumbergerChina,Beijing100015,China；5.TheBranchofExplorationandProductionCorporation,PetroChina,Beijing100007,China；6.SuligeGasfieldResearchCenterofChangqingOilfieldCompany,PetroChina,Xi’an,Shaanxi710021,China]

For the lower section of 8th member of the Shihezi Formation (Middle Permain) in the Su X block of the Sulige gasfield,significant degree of uncertainty was involved in early-stage evaluation of low-permeability gas reservoir due to immature understanding and incomplete information,which causes difficulty to a fine reservoir description.It is vital for a better reservoir evaluation to fully account for uncertainty and effectively magnify the differences of different reservoirs in evaluation results.In this paper,based on the idea of multi-information superposition,the methods of fuzzy mathematical evaluation and grey correlation analysis are linked by membership degree and are integrated to establish a more effective fuzzy-grey comprehensive evaluation model,along with differentiated and improved internal algorithm.The application of the model to reservoir evaluation in this study suggests that this method enhances the differences and precision for the low-permeability reservoir classification and characterization,with consideration of the fuzzy and grey properties of reservoir.In this case study,four types of reservoir are classified and the type Ⅰ and Ⅱ are deemed to be the favorable targets.The different reservoir categories are better separated in plane view than before.The comparison of evaluation results with the real production data and geological principles of fluvial deposition also displays good coincidence.This method may be effective and efficient for guiding the exploration and development of the gas field,and provide a new thought for similar low-permeability reservoir evaluation as well.

quantitative evaluation,fuzzy mathematics,grey theory,reservoir description,Shihezi Formation,Sulige gasfield

2016-09-18;

2016-12-20。

朱兆群(1986—)，男，博士研究生，油气藏开发地质。E-mail:zzq86@126.com。

国家科技重大专项(2011ZX05009-003)；中央高校基本科研业务费专项资金项目(14CX06016A)。

0253-9985(2017)01-0197-12

10.11743/ogg20170121

TE122.2

A