临南洼陷北部沙三中亚段砂质碎屑流储层定量分类评价

， ，， ，

(1.山东科技大学 山东省沉积成矿作用与沉积矿产重点实验室，山东 青岛 266590；2.山东科技大学 地球科学与工程学院，山东 青岛 266590；3.青岛瑞源工程集团，山东 青岛 266555)

临南洼陷北部沙三中亚段砂质碎屑流储层定量分类评价

高丽华1,2，夏迪3，韩作振1,2，韩梅1,2，李昊1,2

(1.山东科技大学 山东省沉积成矿作用与沉积矿产重点实验室，山东 青岛 266590；2.山东科技大学 地球科学与工程学院，山东 青岛 266590；3.青岛瑞源工程集团，山东 青岛 266555)

临南洼陷北部沙三中亚段发育一套砂质碎屑流扇体，取得了较好油气勘探成果，但该区取心井及实验分析资料较少，困扰着该区储层的定量分类评价。首先利用普通薄片及铸体薄片鉴定、物性和压汞测试，确定该套砂质碎屑流储层物性特征并将研究区储层分为Ⅰ、Ⅱ、Ⅲ三类；再以岩心物性数据作为储层分类标准，建立使用测井数据作为参数的储层贝叶斯判别函数；最后采用判别函数对研究区各井测井曲线进行储层判别分析，所得储层平面分布特征与沉积相展布特征相符。因此，采用贝叶斯判别函数进行储层判别分析与勘探实践吻合，可用于对研究区储层进行评价。

砂质碎屑流；储层分类；贝叶斯判别；储层评价

惠民凹陷临南洼陷北部沙三中亚段发育一套重力流沉积[1]。以往研究认为该套砂体埋藏深、物性差、产能较低，一直未进行系统研究[2-3]。近几年，L7-X40块、T26-X3块沙三中亚段相继发现该套深水沉积油藏，取得了较好勘探效果，具有广阔的滚动勘探开发前景[4]。但储层横向连续性差、纵向变化快，储层展布范围不清、岩心及实验分析资料少等问题困扰该区勘探开发工作。

贝叶斯判别根据最小风险代价判决或最大似然比判决，是依据贝叶斯准则进行判别分析的多元统计分析方法。贝叶斯判别广泛应用于各个领域，在储层评价方面具有重要应用，尤其对于非均质性强、连续性差、实验分析资料少的储层具有更好的应用效果。如付殿敬等[5]采用贝叶斯判别分析法，依据取心井资料建立储层分类评价判别函数，对非取心井目的层进行储层分类评价，取得良好效果。马立文等[6]、唐俊等[7]分别对冀东老爷庙油田和鄂尔多斯盆地，采用Q型聚类分析法进行储层分类，选择判别分析的最优化参数，得到贝叶斯判别函数，在储层定量化描述基础上，利用判别函数对研究区各井进行储层评价，获得了较好的效果。Avseth等[8]使用贝叶斯判别分析法研究不同岩性岩石的孔隙流体空间分布规律，得到了不同岩石的孔隙流体的空间概率分布图，并将这种方法成功运用于北海浊积岩系统。但对于临南洼陷北部沙三中亚段发育的该套砂质碎屑流扇体，缺少储层展布规律的研究，更未见利用贝叶斯判别进行定量分类与预测。

本文充分利用研究区测井资料丰富的特点，结合该区储层分布特点、控制因素，充分利用测井曲线资料，以SPSS软件为平台，采用贝叶斯判别法分析典型井测井数据，对各井区储层进行分类评价，在此基础上对储层有利区进行预测。

1 地质背景

研究区位于惠民凹陷临南洼陷北部(图1(a))，中央隆起带中部，北部与滋镇洼陷相邻，南与临南洼陷相接，受临邑断层东部分支控制，为一个向北逐级抬升的大型断阶带(图1)。该区发育的新生代地层：古近系自下而上为沙河街组、东营组，沙河街组厚度大，分为沙一段、沙二段、沙三段和沙四段；新近系包括馆陶组、明化镇组，新近系和古近系之间角度不整合接触。

沙三中亚段发育一套砂质碎屑流沉积扇体(图1(b))，该套砂质碎屑流位于上下油页岩之间，最厚达120 m，平均30 m(图1(c))[1]，岩性主要以粒度较细的粉砂岩(部分砂岩见油浸、油斑及油迹现象)、块状砂岩、泥岩、灰质泥岩和油页岩居多。

2 砂质碎屑流沉积特征

砂质碎屑流是一种以砂质为主，可混杂砾石(陆源砾石、泥砾)和泥质的非黏结性碎屑流，流变学属于塑性流，运动状态为层流，以整体冻结的方式发生沉积[1]。泥质碎屑流以泥质沉积为主，可混杂少量砂质颗粒和砂质团块，黏结性强。该流体是在一定的触发机制下，由自身重力驱动沿斜坡向下运动，最后由于惯性力和重力消失而沉积在斜坡下部和湖盆的平坦部位[1]。撕裂屑一般指混杂于砂岩中的泥质变形团块或条带，其成因可以是在上覆不均匀压力作用下向上挤入砂质层中的泥质沉积物，也可能是由于风暴流或重力流搅动或侵蚀下伏未固结或半固结泥质沉积物而成，还可成因于滑塌变形造成的岩性混杂[1]。

研究区沙三中亚段具有典型砂质碎屑流的沉积构造特征：砂岩多为粉砂岩和细砂岩(图2)，粒度较细；粒度概率累积曲线主要呈三段式，以跳跃和悬浮总体为主，悬浮总体由两个组段组成，两组段斜率不同，说明砂质碎屑流分选性极差，具有“冻结式”沉积的特征。块状砂岩中漂浮有不规则状泥质撕裂屑和泥质团块(图2(a)、 2(b)、 2(d)、 2(e))、块状泥质粉砂岩中漂浮有粉砂岩团块(图2(h))，发育大段块状构造(图2(a)、2(b)、2(f))和滑塌变形构造(图2(c))；未见浊积岩中常见的包卷层理以及递变层理，具有典型的砂质碎屑流特征(图2)。研究区沙三中亚段发育多层砂体，砂体之间夹有大量富含石英碎屑颗粒的粉砂质泥岩(图2(i))。因此，结合其岩石类型、沉积构造、地质背景、粒度特征、测井曲线以及地震剖面等特征，认为其为远岸水下扇沉积，主要发育中扇及外扇亚相，内扇不发育，其中中扇亚相进一步划分为水下主水道、水下分流水道、水道间泥、水道侧缘以及无水道区浊积席状砂5种微相[1]。

(a)研究区位置及区域构造；(b)砂质碎屑流沉积相展布；(c)砂质碎屑流南北向连井剖面

3 储层定量分类评价

通过取心井岩石薄片分析，砂岩的成分特征为：石英含量44%～50%，长石含量35%～40%，岩屑11%～21%，钙质胶结为主，胶结物以方解石、铁白云石居多(图2(g))。碎屑颗粒磨圆度较差，棱角到次棱角状不等，分选中等到差，分选系数1.399～4.190。砂岩粒度较细，C值0.122～0.678 mm，中值0.019～0.761 mm左右。L7-X301井67个岩心物性及12个压汞资料表明，储层孔隙度11.2%～22.7%，平均19.2%；渗透率0.066～29.6×10-3μm2，平均9.2×10-3μm2；喉道半径中等0.27～1.31 μm，平均0.94 μm；排驱压力及中值压力中等，分别为0.16～0.99 MPa和0.75～5.03 MPa。因此，该套砂质碎屑流储层为中孔、低渗储层(图3)。

根据赵靖舟等[9]提出的低渗透储层分类标准，结合临盘油田碎屑岩储层评价标准，将研究区储层分为Ⅰ、Ⅱ、Ⅲ三类(表1)，其主要特征为：

I类储层：物性好，孔隙度>15%，渗透率>5×10-3μm2，排驱压力低于0.2 MPa，中值压力<1 MPa，最大孔喉半径>3 μm，中值半径>0.5 μm，平均孔喉半径>1 μm。主要是块状砂岩，也有少量细砂岩，储层砂岩经压实、胶结和溶蚀作用可见粒间孔隙、铸模孔和各种溶蚀孔(图3(c))。

(a) 砂岩中扭曲变形的泥质团块(L7-X301井、2 662.3 m)；(b) 块状砂岩中漂浮泥质撕裂屑(L7-X301井、2 664.4 m)；(c) 滑塌变形构造(L7-X301井、2 668.7 m)；(d)岩石薄片下见砂岩中泥质团块(L7-X301井、2 663.4 m，铸体，单偏光)；(e) 岩石薄片下见泥质条带(L7-X301井、2 662.8 m，铸体，单偏光)；(f) 砂岩块状构造，沙三中中段(L7-X301井、2 671.5 m)； (g) 岩石薄片下见砂岩磨圆、分选较差，铁白云石胶结(L7-X301井、2 671.5 m，单偏光)； (h) 岩石薄片下见混有砂质团块的泥岩 (L7-X301井、2 669 m单偏光)；(i) 岩石薄片下见泥岩含有大量石英碎屑颗粒(L7-X301井、2 676.7 m单偏光)；图2 研究区沙三中亚段砂质碎屑流岩石学特征

Ⅰ类储层Ⅱ类储层Ⅲ类储层孔隙度/%>1512～15<12渗透率/(10-3μm2)>51～5<1排驱压力/MPa<0．20．2～0．35>0．35中值压力/MPa<11～2．5>2．5最大孔喉半径/μm>31～3<1中值半径/μm>0．50．3～0．5<0．3平均孔喉半径/μm>10．5～1<0．5孔喉组合中孔中细喉小孔细喉细孔微细喉评价好中等差

Ⅱ类储层：物性中等，孔隙度12%～15%，渗透率>1～5×10-3μm2，排驱压力0.2～0.35 MPa， 中值压力1～2.5 MPa，最大孔喉半径1～3 μm，中值半径0.3～0.5 μm，平均孔喉半径0.5～1 μm。主要是含泥砾粉砂岩和杂砂岩，储集岩经压实、胶结和溶蚀作用，可见粒间孔隙和溶蚀孔，相对于I类储层，其粒间孔隙由于泥质碎屑的填充而减少(图3(d))。

Ⅲ类储层：物性差，孔隙度<12%，渗透率<1×10-3μm2，排驱压力>0.35 MPa，中值压力>2.5 MPa，最大孔喉半径>3 μm，中值半径>0.5 μm，平均孔喉半径>1 μm。主要是泥岩，孔隙少、孔径小(图3(e))。

(a)研究区不同类型储层的孔隙度与渗透率交会图；(b)研究区不同类型储层的毛细管压力曲线特征；(c)I类储层铸体薄片镜下特征(L7-X301井、2 672.1 m，单偏光)；(d)Ⅱ类储层铸体薄片镜下特征(L7-X301井、2 664.2 m，单偏光)；(e)Ⅲ类储层铸体薄片镜下特征(L7-X301井、2 668.5 m，单偏光)；

4 贝叶斯判别分析

为节省成本，当前油气田勘探开发多采用减少取心、增加测井的方法，因此常规的利用储层物性等实验分析资料进行储层定量评价已经跟不上当前油气田勘探的形势。贝叶斯判别分析法，能以关键井的分析测试数据为基础，利用大量存在的测井数据提出相应储层的贝叶斯判别函数，进行储层分类评价。该方法适用广泛，特别是在一些取心资料少的地区，能充分利用测井资料进行储层定量评价。

临南洼陷北部沙三中亚段砂质碎屑流储层,非均质性强，钻井取心资料少，但测井资料丰富，常规储层评价方法无法取得理想效果，因此，通过测井曲线的贝叶斯判别分析法开展储层评价。

4.1 岩心深度归位

岩心资料是进行贝叶斯判别的基础资料，选取有岩心分析化验资料井的测井数据作为制作贝叶斯判别函数的标准模板。研究区L7-X301取心井层序完整具有代表性，以该井测井曲线为标准，进行岩心深度归位校正[10]，使各测井曲线达到深度一致(图4)；然后利用岩心岩性与测井曲线进行对比，计算深度误差，将岩心深度校正到测井深度，经观察认为岩心深度上移1.1 m匹配度较好。

4.2 建立贝叶斯判别函数

根据前文将砂质碎屑流储层分为Ⅰ、Ⅱ、Ⅲ三类(图5)，分别建立贝叶斯判别函数，实现储层分类评判由取心数据向测井数据的转变[7]。选取反映储层物性的声波时差(AC)、反映泥质参数的自然电位(SP)、自然伽马(GR)和反映渗透性的|RNML-RLML|作为参数[11-12],利用SPSS软件建立贝叶斯判别函数。

图4 L7-X301井岩心归位效果对比图

将制作好的模板数据输入到SPSS中生成贝叶斯判别函数以及特征判别参数式((1)～(4))，由判别函数的组内平方和与总平方和之比(Wilks’ Lambda)(表2)可以看出，Sig均小于0.01，表明不同判别函数间差异性显著。储层分类结果显示(表3)判别函数对初始分组案例中的 96.9%进行了正确分类、对交叉验证分组案例中的 96.3%进行了正确分类，表明建立的判别函数和评价指标符合精度要求。贝叶斯判别函数为：

Ⅰ类储层:Y1=0.738AC+61.181SP+0.681GR-1.665|RNML-RLML|-263.076；

(1)

Ⅱ类储层:Y2=0.846AC+78.727SP+0.682GR-2.052|RNML-RLML|-386.368；

(2)

Ⅲ类储层:Y3=0.799AC+87.101SP+0.987GR-0.596|RNML-RLML|-453.126；

(3)

油页岩:Y4=0.819AC+101.926SP-0.029GR-0.565|RNML-RLML|-487.61。

(4)

4.3 测井曲线标准化

由于油田不同井测井时采用的仪器、标准刻度以及操作方式等不同，在应用测井数据时，须进行标准化处理，使所有同类曲线具有统一刻度[10]。测井曲线标准化方法包括：直方图法、频率交会图法、均值-方差法等[13-16]，直方图法能充分利用标准井段内所有数据，校正准确度高，因此采用该方法对AC、SP、GR和|RNML-RLML|进行标准化，主要步骤：

1) 选取标准井和标准层：研究区L7-X301井连续取心且沙三中亚段发育完整，可作为标准井；上油页岩全区稳定分布、厚度适中、测井曲线特点相似，可选作标准层。

2) 绘制直方图：提取标准井和其他各单井的标准层数据，运用高斯正态分布函数对各测井数据频率分布直方图进行拟合(图6)，获得标准井和各单井测井曲线的峰值读数(表4)。

3) 获取单井曲线校正值：校正值=标准井峰值-单井峰值(表4)，标准化测井数据=单井测井曲线数据+校正值。

图5 L7-X301井储层类性

分类类别预测组成员1234合计初始计数17110072211730213013803940005959198．61．40010024．88114．30100%302．697．401004000100100正确分类98．68197．410096．9b交叉验证a计数17020072211730213013803940005959197．22．80010024．88114．30100%302．697．401004000100100正确分类97．28197．410096．3c

注：a.仅对分析中的案例进行交叉验证。在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的；b.已对初始分组案例中的96.9%个进行了正确分类；c.已对交叉验证分组案例中的96.3%个进行了正确分类

图6 标准井和L7-51C井的标准层的AC、SP、GR和|RNML-RLML|频率直方图

ACSPGR|RNML⁃RLML|标准井峰值285．157．5256．550．87L7⁃51C井峰值302．858．1466．650．76L7⁃51C井校正值-17．70-0．62-10．100．11

4.4 贝叶斯判别分析

运用贝叶斯判别函数对标准化后的测井曲线进行贝叶斯判别分析，实现储层分类评判由取心井向非取心井的转变[2]。选取典型井沙三中亚段砂质碎屑流储层的测井数据，将其标准化后代入贝叶斯判别函数中，比较各判别函数值大小，判断样品归为所求函数值最大的那一类。

对标准化的测井数据进行判别分析，实现储层分类判别，以L7-51C井为例，统计判别结果，共识别出Ⅰ类储层40.8 m，Ⅱ类储层9.5 m，Ⅲ类储层16.4 m(图7)。

依上述方法对研究区目的层标准化后的测井数据进行判别分析，并统计结果(表5)。全区共识别出Ⅰ类储层3.4～47.6 m、平均14.7 m，Ⅱ类储层0.8～27.6 m、平均10.9 m，Ⅲ类储层4.6～68.4 m、平均32.5 m。

图7 L7-51C井储层分类识别结果

井名Ⅰ类储层/mⅡ类储层/mⅢ类储层/m井名Ⅰ类储层/mⅡ类储层/mⅢ类储层/mL104⁃18．821．541．2L7⁃X30115．67．621．6L104⁃26．314．935．8L7⁃X3024．63．117．3L104⁃918．824．649．3L7⁃X30512．60．84．6L104⁃X1412．011．668．4L7⁃X30611．24．17．7L10743．320．139．2L7⁃X408．43．219．3L55⁃X15．120．660．3L7⁃X40412．68．428．0L55⁃X23．413．445．0L7⁃X4317．48．233．4L7⁃1010．27．627．2L7⁃X612．38．430．3L71⁃53．44．77．7L7⁃X7014．61．48．0L7⁃313．37．625．1T26147．620．454．0L7⁃3077．86．719．5T26⁃X134．220．163．7L7⁃4089．94．319．6T26⁃X429．627．652．8L7⁃42C7．44．724．4T26⁃X613．016．356．2L7⁃51C40．89．516．4T4⁃X623．421．455．2L7⁃X26．42．717．9

5 储层评价结果及有利区预测

对比L7-51C井、L7-X70井和L7-X305井的贝叶斯判别和综合解释结果(图7、图8)发现：识别的Ⅰ类储层与综合解释结果中的储集层吻合度高达80%以上，这说明判别分析结果有较高的准确度，Ⅰ类储层能够代表实际储层。

根据贝叶斯判别结果绘制研究区沙三中亚段砂质碎屑流Ⅰ类储层厚度图(图9)，由图9可以看出：研究区东北部的L7-51C井区与中部的L107井区、南部的T261井区Ⅰ类储层厚度大于30 m，勘探开发潜力大；中部的L7-X301井区Ⅰ类储层厚10～30 m，勘探开发潜力中等；南部、西南部的L104-X9、T4-X6井区Ⅰ类储层厚度小于10 m，勘探开发潜力差。

另外，利用贝叶斯判别结果绘制的储层平面展布图与该套砂质碎屑流沉积相的分布特征吻合，有利储层主要分布于重力流水道微相区，中等储层主要分布于远岸水下扇中扇亚相区，差储层主要分布于远岸水下扇外扇及深湖相区。说明该套砂质碎屑流的有利储层分布明显受控于沉积微相的分布特征，下一步勘探开发的重点区域应为重力流水道砂体，与实际生产实践结果吻合。

图8 研究区部分井沙三中亚段储层分类识别结果

6 结论

1) 临北地区沙三中亚段发育大段块状构造和滑塌变形构造，块状砂岩中漂浮有不规则状泥质撕裂块和砂质团块，块状泥质粉砂岩中漂浮有粉砂岩团块，为典型的砂质碎屑流沉积。

2) 研究区砂质碎屑流储层，孔隙度11.2%～22.7%，渗透率小于30×10-3μm2，是典型的低渗透储层。根据储层物性特点及低渗透储层的分类与评价标准将研究区储层分为Ⅰ、Ⅱ、Ⅲ三类：Ⅰ类储层,主要是块状砂岩，也有少量细砂岩；Ⅱ类储层，主要是含泥质粉砂岩和杂砂岩；Ⅲ类储层，主要是泥岩。

3) 选取AC、SP、GR和|RNML-RLML|曲线建立储层的贝叶斯判别函数，判别函数的显著性明显Sig<0.001、对初始分组案例中的 96.9%进行了正确分类和对交叉验证分组案例中的 96.3% 进行了正确分类，表明建立的判别函数和评价指标符合精度要求。

图9 研究区沙三中亚段勘探开发有利区预测

4) 利用贝叶斯判别函数，共识别出Ⅰ类储层3.4～47.6 m，Ⅱ类储层0.8～27.6 m，Ⅲ类储层4.6～68.4 m。有利储层区主要分布于重力流水道微相区，中等储层区主要分布于远岸水下扇(内、中扇)亚相区，差储层区主要分布于深湖相区，储层分布与沉积相展布特征相符。说明采用贝叶斯判别函数进行储层判别分析与勘探实践吻合，可用于对研究区储层进行评价。

[1]韩作振,刘凤武,高丽华,等.惠民凹陷临北断阶沙三中亚段砂质碎屑流沉积特征[J].山东科技大学学报(自然科学版)，2016,35(2):1-7.

HAN Zuozhen,LIU Fengwu,GAO Lihua,etal.Sandy debris-flow sedimentary characteristics of Middle-Es3 in Linbei Step-fault Zone of Huimin depression[J].Journal of Shandong University of Science and Technology (Natural Science),2016,35(2):1-7.

[2]陈永红.惠民凹陷沙三段三角洲前缘滑塌浊积砂体发育规律与油气聚集关系[D].广州:中国科学院广州地化所,2006.

[3]罗薇.临7断块区沙三段沉积相与储层研究[D].荆州:长江大学,2011.

[4]回春,李因兰,孟海龙.临盘油田临北地区沙三段油气成藏规律研究[J].内蒙古石油化工,2010(4):101-102.

[5]付殿敬,徐敬领,王贵文,等.基于Q聚类分析和贝叶斯判别算法研究储层分类评价[J].科技导报,2011,29(3):29-33.

FU Dianjing,XU Jingling,WANG Guiwen,et al.Reservoir classification and evaluation based on Q cluster analysis combined with Bayesian discrimination algorithm[J].Science & Technology Review,2011,29(3):29-33.

[6]马立文,窦齐丰,彭仕宓,等.用Q型聚类分析与判别函数法进行储层评价:以冀东老爷庙油田庙28X1区块东一段为例[J].西北大学学报(自然科学版),2003,33(1):83-86.

MA Liwen,DOU Qifeng,PENG Shibi,et al.Comprehensively applying Q-model gathering and discriminant function methods to reservoir classification and evaluation:Taking Ed1 No.of Miao 28X1 block in Laoyemiao oilfield in Jidong as an example[J].Journal of Northwest University(Natural Science Edition),2003,33(1):83-86.

[7]唐俊,王琪,马晓峰,等.Q型聚类分析和判别分析法在储层评价中的应用:以鄂尔多斯盆地姬塬地区长 81储层为例[J].特种油气藏,2012,19(6):28-31.

TANG Jun,WANG Qi,MA Xiaofeng,et al.Application of Q-type cluster analysis and discriminatory analysis in reservoir evaluation:Taking reservoir Chang 81of Jiyuan area in Ordos basin as an example[J].Special Oil and Reservoirs,2012,19(6):28-31.

[8]AVSCTH P,MUKERJI T,JORSTAD A,et al.Seismic reservoir mapping from 3-D AVO in a North Sea turbidite system[J].Geophysics,2001,66(4):1157-1176.

[9]赵靖舟,吴少波,武富礼.论低渗透储层的分类与评价标准:以鄂尔多斯盆地为例[J].岩性油气藏,2007,19(3):28-33.

ZHAO Jingzhou,WU Shaobo,WU Fuli.The classification and evaluation criterion of low permeability reservoir:An example from Ordos Basin[J].Lithologic Reservoirs,2007,19(3):28-33.

[10]龙一慧,杨斌,朱冉,等.BP神经网络在碳酸盐岩储层参数测井解释中的应用[J].山东科技大学学报(自然科学版)，2015,34(6):32-39.

LONG Yihui,YANG Bin,ZHU Ran,et al.Logging interpretation of carbonate reservoir parameters by using the neural network[J].Journal of Shandong University of Science and Technology (Natural Science),2015,34(6):32-39.

[11]王贵文,郭荣坤.测井地质学[M].北京：石油工业出版社.

[12]宋子齐,程国建,杨立雷,等.利用测井资料精细评价特低渗透储层的方法[J].石油实验地质,2006,28(6):595-599.

SONG Ziqi,CHENG Guojian,YANG Lilei,et al.A method for fine evaluation in extra-low permeability reservoirs logging data[J].Petroleum Geology & Experiment,2006,28(6):595-599.

[13]徐延勇,邹冠贵,曹文彦,等.测井曲线标准化方法对比研究及应用[J].中国煤炭地质,2013,25(1):53-57.

XU Yanyong,ZOU Guangui,CAO Wenyan,et al.Comparative study and application of logging standardization methods[J].Coal Geology of China,2013,25(1):53-57.

[14]刘佳.L区块测井曲线的标准化研究[J].国外测井技术,2015,208(4):15-18.

LIU Jia.Study on the logging curve standardization in L block[J].World Well Logging Technology,2015,208(4)：15-18.

[15]高树芳,范玲,梁晓宇,等.测井曲线标准化方法及其对测井解释结果的影响[J].国外测井技术,2008,23(2):17-21.

GAO Shufang,FAN Ling,LIANG Xiaoyu,et al.Log normalization and effect on well logging interpretation[J].World Well Logging Technology,2008,23(2):17-21.

[16]陈熹.测井曲线标准化方法研究[J].当代化工,2015,44(2):328-330.

CHEN Xi.Standardization of well logging curve metgods[J].Contemporary Chemical Industry,2015,44(2):328-330.

ReservoirQuantitativeClassificationandEvaluationofSandDibrisFlowinMiddle-Es3ofNorthofLinnanSubsag

GAO Lihua1,2, XIA Di3, HAN Zuozhen1,2, HAN Mei1.2, LI Hao1,2

(1.Key Laboratory of Depositional Mineralization and Sedimentary of Shandong Province, Shandong University of Science and Technology, Qingdao, Shandong 266590, China; 2.College of Earth Science and Engineering, Shandong University of Science and Technology, Qingdao, Shandong 266590, China; 3.Qingdao Ruiyuan Engineering Group, Qingdao, Shandong 266555, China)

Although good results have been obtained in exploring the sandy debris-flow deposit in Middle-Es3 of north of Linnan Subsag, the reservoir quantitative classification and evaluation are still a problem due to few data of coring and experimental analysis. The identification with rock slice and casting lamella, and the measurement of porosity and permeability and mercury injection confirmed the physical properties of the sandy debris-flow reservoir which was divided into Type I, Type II and Type III. Based on core physical property data, the Bayesian discriminant was established with log data as parameters. The discrimination function was used to analyze each well logging curve in the study area. The results indicate that the reservoir distribution characteristics are corresponding to the sedimentary facies distribution characteristics, which is in a close agreement with the exploratory practice. As a result, the reservoir discrimination analysis with Bayesian discriminant function is consistent with the exploration practice, and can be used to evaluate the reservoir in the study area.

sand debris flow; reservoir classification; Bayesian discriminant; reservoir evaluation

高丽华,夏迪,韩作振,等.临南洼陷北部沙三中亚段砂质碎屑流储层定量分类评价[J].山东科技大学学报(自然科学版),2018,37(1):71-81.

GAO Lihua,XIA Di,HAN Zuozhen,et al.Reservoir quantitative classification and evaluation of sand dibris flow in middle-Es3 of north of Linnan subsag[J].Journal of Shandong University of Science and Technology(Natural Science),2018,37(1):71 -81.

2017-06-01

国家自然科学基金项目(41372134) ；山东省重大科技创新工程项目(2017CXGC1602，2017CXGC1603)；山东科技大学科研创新团队支持计划资助项目(2015TDJH101)

高丽华(1971—)，女，山东蓬莱人，讲师，博士，主要从事油气储层方面的研究．E-mail：glhxx@163.com

韩作振(1965—)，男，河南新乡人，教授，博士生导师，主要从事油气沉积与成藏方面的研究工作,本文通信作者.

E-mail：hanzz@163.com

TE19

A

1672-3767(2018)01-0071-11

10.16452/j.cnki.sdkjzk.2018.01.007

李 磊)