东营凹陷南坡湖相碳酸盐岩储层测井评价

田 敏，余光华

(中石化胜利油田分公司勘探开发研究院，山东 东营 257015)

东营凹陷南坡湖相碳酸盐岩储层测井评价

田 敏，余光华

(中石化胜利油田分公司勘探开发研究院，山东 东营 257015)

东营凹陷南坡碳酸盐岩储层具有很大的储量升级潜力，是储量接替的重要类型之一。以东营凹陷南坡陈官庄地区为目标，采用改进灰色关联、主成分分析、Fisher判别方法建立了一套岩性综合识别方法，大大提高了岩性识别的精度。对储层孔隙度参数的解释进行了初步探索，确定了适合本地区的声波地层因素公式。针对流体识别的难点，分别采用传统流体识别方法和BP神经网络法进行了研究对比，认为BP神经网络自适应学习能力强、识别精度高，是本地区进行碳酸盐岩储层流体识别应重点参考使用的方法之一。

碳酸盐岩 岩性识别 灰色关联 声波地层因素公式 BP神经网络

湖相碳酸盐岩是济阳坳陷内发育的一种特殊储层类型，已经探明碳酸盐岩油藏储量7 200×104t。在24 个油田钻遇湖相碳酸盐岩油层，早期勘探曾有4 口井获得日产千吨高产工业油流，有30多口井获得日产50 t以上的工业油流。2001年东营凹陷南坡陈官庄地区上报预测储量3 343×104t。东营凹陷已探明的6 660×104t碳酸盐岩储量仅占总探明储量的3%，勘探成果充分展示了济阳坳陷碳酸盐岩油藏仍具有较大的勘探空间和潜力。

由于碳酸盐岩复杂的孔隙结构和特殊的成岩作用以及本身的非均质性，目前对此类复杂碳酸盐岩储层测井资料定量解释的研究仍属于攻坚阶段[1-6]。近几年来胜利油区面对巨大的油气资源压力，湖相碳酸盐岩油藏研究与勘探的重要性日益凸显，因此本次研究以东营南坡陈官庄地区为主要的研究区域，通过对工区开展岩性识别、参数解释、流体识别三方面的测井评价与研究，逐步形成一套适合东营南坡碳酸盐岩储层的测井综合评价方法，以期为本地区预测储量的尽快升级提供必要的技术支持。

1 岩性识别

东营凹陷位于济阳坳陷东南部，可进一步划分为北部陡坡带、中部洼陷带和南部缓坡带。钻井揭示的地层有太古界、古生界、中生界、新生界。古近系包括孔店组、沙河街组、东营组，沙河街组进一步划分为一段、二段、三段和四段，沙四段由上、下两个亚段组成。其中，南部缓坡带的沙四上亚段是湖相碳酸盐岩滩坝发育的主要层段，包含纯上次亚段和纯下次亚段两部分。东营凹陷南坡发育的碳酸盐岩类型主要有白云岩、石灰岩、泥灰岩、鲕状灰岩、生物灰岩、页状灰岩等多种岩性，主要特征为单层厚度薄但层数多，厚度多为0.8～3 m，多与泥岩形成互层。

根据岩屑及岩心资料分析，陈官庄地区沙四段碳酸盐岩储层的主要岩性为灰岩、泥灰岩、白云岩、生物灰岩；储集空间以次生裂缝和溶蚀孔隙为主。以上几种岩性在常规测井曲线上的特征如表1所示。从表1上可以看出，受岩石矿物成分、流体等因素的影响，各岩性测井特征值的变化区间比较大，且有重叠区间。

表1 碳酸盐岩不同岩性测井特征值

碳酸盐岩岩石类型复杂多样，储层非均质性强，岩性识别存在较大困难。目前测井识别岩性的方法主要有常规测井识别法、常规测井交会图识别法、成像测井识别法等，其中岩性交会图法是应用最普遍的方法[7-8]。这种类型的交会图在复杂的碳酸盐岩储层中，一次只能应用两种直接的测井变量，忽略了更多与岩性有关的变量，识别精度不高；并且一次只能识别出2种岩性，若要识别出所有岩性还需要分步进行。

因此本次的研究思路是：根据常规测井、实际岩心岩屑资料，利用主分分析、灰色理论、判别分析等方法，将多个原始测井变量转换成几个独立的综合性测井变量，从而建立起一套较综合的岩性识别方法。

1.1改进灰色关联法

目前灰色关联法在储层测井评价中的应用实例很多[9-14]，但绝大多数都是直接使用现有的关联度量化模型，对于分辨系数的选取以及无量纲化处理方式的选择都没有形成一定的结论。

针对以上缺陷，本次研究对广泛应用的斜率关联度的算法进行了改进，在算法中用各序列变化量的平均值代替了序列值，使其不仅考虑相邻两点间的变化量，还考虑了各变量变化率的差异，力求使其能更好地保持待分析数据的特征，更全面地考虑序列间相关性的影响因素。改进关联度计算方法如下：

设参考数列x0={x0(k)|k=1,2,…,n}，比较数列xi={xi(k)|k=1,2,…,n}(i=1,2,…,N),则x0与xi的改进关联度γ(x0,xi)定义为：

(1)

根据上述改进灰色关联的方法，对研究区内6 口取心井进行了测井岩性识别。设待分析岩性作为参考数列 ，测井参数指标作为比较数列 , … 。按照上述斜率关联度和改进关联度公式分别进行了计算，计算结果如表2所示。

从表2中可以看出，改进关联度值基本都大于0.80，岩性识别结果与实际岩性基本吻合，识别精度达到81%；而斜率关联度值则明显低于改进关联度值，并且识别结果误差较大，识别精度为43%。由此说明，改进关联度相比于斜率关联度更适合进行复杂岩性识别，为灰色关联法在复杂岩性识别中的应用提供了一个很好的借鉴。灰色关联法用于碳酸盐岩地层岩性识别，适用于对重点层段的精细解释，还无法进行连续识别。

表2 灰色关联识别结果对比

1.2岩性综合识别方法

为实现对全井段较准确的岩性连续识别，又提出了一套岩性综合识别方法。岩性综合识别方法是将主成份分析法与Fisher判别法相结合，首先应用主成份分析法确定出岩性敏感主成份，然后再利用Fisher判别法建立岩性判别函数，从而可以进行岩性的连续定量分析。

利用岩石样品的自然伽马(GR)、密度(DEN)、声波时差(AC)、中子孔隙度(CNL)和深侧向电阻率(RT)值作为输入参数X=[GR，DEN，AC，CNL，RT]，以陈官庄地区66 块岩心分析岩性作为岩性判别依据，进行主成分分析，可以得到以下的主成分特征向量的特征值和方差贡献率(表3)。根据累计方差，确定出F1～F3前3个主成份。

表3 特征值与方差贡献率

再利用Fisher判别法建立以下岩性判别函数：

F1(x)=-0.202AC+115.613DEN+
0.639CNL+0.443GR-308.588

(2)

F2(x)=-0.265AC+14.996DEN+
0.755CNL-0.033GR+14.996

(3)

根据以上判别函数，由最重要主成分F1和次重要主成分F2对岩性进行交会图分析。如图1(a)所示，在常规的中子-密度交会图上，各类岩性混杂在一起，很难准确区分泥灰岩、白云质灰岩、灰质白云岩和白云岩；而判别函数交会图上(图1(b))，则能够进行有效的区分，岩性识别符合率有了很大程度的提高。

图1 传统交会图与判别函数交会图

2 孔隙度解释

对于碳酸盐岩储层来说，孔隙度是评价储层有效性的一个重要参数。评价孔隙度有多种测井方法，不同的测井方法反映不同的孔隙度，其中声波测井反映基质孔隙度，中子、密度测井反映总孔隙度，电阻率测井可以反映裂缝孔隙度。

碳酸盐岩储层的基质孔隙度目前常用的解释模型是威利公式[15]，威利公式计算的孔隙度仅当地层孔隙度低于5%和在25%～30%时才接近于实际孔隙度值，而当孔隙度在5%～25%时，计算孔隙度明显偏低。1986年J.P.Martin等人提出了声波地层因素公式[15]：

Δt=Δtma×(1-φ)-x

(4)

式中X是骨架岩性系数，X只与岩石孔隙结构的几何特征有关。

声波地层因素公式适用于孔隙度低于50%的地层，它的主要特点是不需作声波压实校正，也不需要流体声波时差，避免了这两个参数引起的误差。但声波地层因素公式在碳酸盐岩储层应用的难点是参数X的确定。目前这方面的研究比较少，对于X值目前只有理论值，石灰岩和白云岩的X理论值分别为1.76和2.0，而理论值在本地区并不适用。

针对以上难点，本次研究利用6口取心井的38个采样点的孔隙度值进行了反演，经过反复试算，确定了本地区碳酸盐岩储层的参数X值为3.5。利用参数X值为3.5的声波地层因素公式解释的孔隙度的精度由之前利用威利公式的21%提高到了82%(图2，3)。日后随着各项资料的丰富，还可分别确定出灰岩类和白云岩类的X选值，从而使孔隙度的解释精度进一步提高。

图2 孔隙度解释精度对比

图3 孔隙度解释实例

3 流体识别

碳酸盐岩储层储集空间结构复杂，不同储集空间类型的流体赋存状态不同，而且储层的孔隙度低，其强烈的非均质性使得流体识别异常的困难。研究区的试油资料多为合试，出油下限难以确定；并且东营凹陷碳酸盐岩油藏是受岩性和构造双重控制的薄层状油藏，油干层电性差异小，难以区分于油层；油水层受岩性的影响，有可能水层的电阻比油层还高，所以油水层也难识别。

3.1传统流体识别方法

目前碳酸盐岩储层流体的识别方法，主要有基于常规测井曲线的径向电阻率法、重叠法和各种交会图法[16]。

(1)电阻率测井识别法

深、浅电阻率比与深电阻率交会法，是利用不同径向深度的电法测井来了解钻井液或钻井滤液对储层发生侵入后，造成井壁附近储层电阻率在径向上的变化，其变化特征与地层流体性质密切相关。在不了解地层水电阻率和孔隙空间结构的情况下，相比单凭径向电阻率值直接比较的方法，用深、浅电阻率比与深电阻率交会法可以减少流体性质判别的多解性。

用深、浅侧向的差值作为交会图的横坐标，深侧向电阻率作为纵坐标，从交会图4(a)中可以看出，油层、油水同层和水层具有较明显差异，油层深、浅侧向电阻率差值大于1，油水同层深、浅侧向电阻率差值介于0.1与1之间，水层深、浅侧向电阻率差值一般小于0.1。

用深、浅侧向的比值作为交会图的横坐标，深侧向电阻率作为纵坐标，从交会图4(b)中可以看出，水层点位于图版的右下部，油层点位于图版的左上部，油水同层位于图版的中部，该图版可较清楚地将油层与水层分开。

以上交会图是考虑裂缝及其含流体性质对电阻率及深浅电阻率差值、比值的影响而建立的，没有考虑孔隙度对电阻率的影响，因此结果受裂缝影响大，且不适用于泥浆侵入深的情况。

图4 电阻率测井交会图

(2)P1/2交会图法

P1/2法是根据正态分布法原理对视地层水电阻率Rwa开平方，并命名为P1/2。许多油田发现碳酸盐岩地层的Rwa1/2具有良好的正态分布特征。在正态概率纸上，水层的Rwa1/2与累计频率有直线关系，而油气层的Rwa大于水层的Rwa，故形成斜率较大的另一条直线。本地区碳酸盐岩储层的油水层的正态分布图如图5所示。

图5 P1/2交会图

P1/2交会图可以比较直观的分辨出油层和水层的分布范围，但对本地区广泛分布的油水同层来说不适用；并且油水层的斜率没有统一的标准，受人为主观因素影响比较大。

3.2 BP神经网络法

碳酸盐岩储层的流体识别问题本身就是一个高度非线性的问题，BP神经网络对非线性有很强的映射能力，并且适用于小样本，因此理论上用BP神经网络来进行流体识别是可行的[17-18]。

(1)建立网络模型

将归一化处理后的CNL、AC、DEN、|RD-RS|曲线值作为输入样本，这样输入层为4个节点，输出层设为1个节点，即流体类型，用1表示油层，0表示油水同层，-1表示水层。隐含层节点数经过反复试算后，确定最佳值为10。传递函数对输入层采用线性函数，对隐含层和输出层采用S型函数，最大学习次数设为10 000次，全局误差最小值设为0.000 1。

(2)油水识别

选取18口井31个层的试油数据作为网络训练样本集(表4),按照上述参数设置，网络进入训练过程。训练目标达到后，用训练好的网络对所选的4口井的9个验证样本进行预测,识别精度达到了100%(表5)。

表4 BP网络训练样本

表5 BP网络预测结果

值得一提的是表5中的第8，9号层，是官8井的第8，10号解释层(图6)，这两个层测井解释是油层，录井岩屑也有显示，但试油证实是水层，日产水17.6 m3，累计产水101 m3，与BP网络预测的结果是吻合的。因此相对于传统流体识别方法来说，BP神经网络具有高度自适应自学习性，识别结果精度高，可作为本地区碳酸盐岩储层流体识别重点参考使用的方法。

3 结论

(1)综合多种多元统计方法，建立了适合本地区的岩性综合识别方法。利用改进灰色关联法实现了对重点层段岩性的精细解释，将主成份分析与Fisher判别法相结合，实现了对全井段岩性的连续精确解释。

图6 官8井典型曲线

(2)实践证明，BP神经网络弥补了传统流体识别方法判识功能差、局限性强的缺陷，对本地区流体识别困难、资料又缺乏的碳酸盐岩储层来说，具有强大自适应学习能力的BP神经网络是目前可应用的精度最高的流体识别方法之一。

[1] 何伶.利用常规测井资料评价碳酸盐岩裂缝-孔隙性储层[J].石油天然气学报，2010，32(6)：258-262.

[2] 牛苗宁.富县地区马家沟组碳酸盐岩测井储层评价研究[D].西安：西安石油大学，2013.

[3] 田蒲源.轮古地区碳酸盐岩缝洞油藏储层流体识别技术研究[D].北京：中国地质大学(北京)，2009.

[4] 何绪全，赵佐安，唐雪萍，等.复杂碳酸盐岩储层流体性质识别新技术[J].天然气工业，2005，25(增刊)：32-34.

[5] 贾宏芳.碳酸盐岩储层测井解释方法研究[D].吉林：吉林大学，2010.

[6] 高宪伟.应用测井资料定量识别碳酸盐岩沉积微相的方法研究[D].成都：成都理工大学，2013.

[7] 李保霖.基于测井数据的岩性识别方法研究[D].西安：西安科技大学，2009.

[8] 鲁国明.济阳坳陷碳酸盐岩油藏储层评价及有效厚度研究[J].石油实验地质，2011，33(2)：55-159.

[9] 刘吉余，彭志春，郭晓博.灰色关联分析法在储层评价中的应用-以大庆萨尔图油田北二区为例[J].油气地质与采收率，2005，12(2)：13-15．

[10] 吕锋，刘翔，刘泉.七种灰色系统关联度的比较研究[J]．武汉工业大学学报，2000，22(2)：41-44．

[11] 张绍良，张国良.灰色关联度计算方法比较及其存在问题分析[J].系统工程，1996，14(3)：45-49．

[12] 李明凉.灰色关联度新判别准则及其计算公式[J].系统工程，1998，16(1)：68-70．

[13] 彭得兵，唐海，李呈祥，等.灰色关联法在剩余油分布研究中的应用[J].岩性油气田，2010，22(3)：133-136.

[14] 肖新平.关于灰色关联度量化模型的理论研究和评论[J].系统工程理论与实践，1997，17(8)：76-81．

[15] 雍世和，张超谟.测井数据处理与综合解释[M].东营：中国石油大学出版社，2002：123-124.

[16] 方一竹.川东明月峡碳酸盐岩地层流体性质识别[D].成都：西南石油大学，2015.

[17] 梁利喜，许强，刘向君.基于人工神经网络实现裂缝性储集层的测井识别[J].新疆石油天然气，2005，1(3)：51-53.

[18] 陈钢花，胡琛，曾亚丽，等.基于BP神经网络的碳酸盐岩储层缝洞充填物测井识别方法[J].石油物探，2015，54(1)：99-104.

(编辑 杨芝文)

Logging evaluation for lacustrine carbonate reservoirin the southern ramp of Dongying Depression

Tian Min,Yu Guanghua

(ExplorationandDevelopmentResearchInstituteofShengliOilfieldCompany,SINOPEC,Dongying257015,China)

The carbonate reservoir in the southern ramp of Dongying Depression has a great potential prosperity and is one of important types of reserves replacement.For Chenguanzhuang area in the southern ramp of Dongying Depression,a set of lithologic comprehensive identification methods were established by adopting the improved grey correlation method,the principal component analysis,and the Fisher discriminant method.As a result,the lithology recognition accuracy was improved greatly.It was carried out a tentative research on porosity and determined the formation factor formula of acoustic travel time suitable for the researched region.Aiming at the difficulties in fluid identification,the traditional fluid identification and BP neutral network were compared.The results indicated that the BP neutral network is most suitable for the fluid identification of the region due to its high identification accuracy and adaptive learning ability.

carbonate reservoir；lithology identification；grey correlation method；acoustic travel time formation factor formula；BP neutral network

10.16181/j.cnki.fzyqc.2017.02.006

2016-12-13；改回日期：2017-02-24。

田敏(1979—)，女，工程师，主要从事油气资源测井评价研究。E-mail：271590278@qq.com。

P631.8

：A