R-Q因子分析法在储层分类评价中的应用——以塔里木盆地奥陶系碳酸盐岩储层为例

程 浩，王起琮，景 帅

（西安石油大学地球科学与工程学院，西安 710065）

近年来，储集层分类评价技术发展迅速，储集层评价参数已不局限于孔隙度与渗透率，人们开始探索裂缝孔洞、微观孔隙结构甚至岩石非均质性对岩石储集性的影响。其分析方式也更加多样化，数学统计方法如聚类分析、判别分析等开始广泛应用于储集层分类评价。这些数学统计评价方法也推动着储集层评价从定性分析逐步发展到了定量分析[1]。但以上统计方法均有一定的不足，无法客观全面地对储集层做出准确的评价。为准确、客观地对塔里木盆地奥陶系碳酸盐岩进行分类评价，本文采用R-Q因子分析方法对测井数据进行整理分类。R-Q因子分析能将庞大的地质数据进行分析整理，确定判别储层类型的有效地质参数，将地层与地层、地层与影响因素、影响因素与影响因素之间的相互关系进行系统梳理，获得客观准确的分类结果，从而对储集层进行分类评价。

1 区域地质概况

塔里木盆地是我国最大的内陆盆地，位于我国新疆维吾尔自治区境内，研究区主要集中在塔中地区的巴楚-塔中隆起。塔中地区是塔里木盆地主要的油气富集区。其中，塔中隆起位于塔里木盆地中央隆起中段，是一个长期发育的继承性古隆起，呈北西向走势；巴楚隆起位于中央隆起带的西部，是一个由西北向东南倾没的冲断背斜构造带[2]。

1.1 岩石学特征

塔里木盆地塔深2井奥陶系碳酸盐岩为陆表海局限台地沉积环境背景下形成的一套以准同生白云岩及灰岩为主的碳酸盐岩地层。碳酸盐岩储层岩石是生物、化学、机械综合成因，以化学成因为主导，岩石矿物组分及化学成分较简单，但岩石构造复杂且发育有大量裂缝溶孔。成岩作用和成岩后生作用决定了岩石储集空间及次生储集空间类型，造成了岩石次生储集空间大小悬殊，复杂多变，且孔隙度与渗透率不存在明显的相关关系[3]。

1.2 孔隙特征

1.2.1 组构选择性孔隙

组构选择性孔隙是沉积岩中某种结构组分被选择性溶解而形成的孔隙，可以形成于早期矿物稳定化过程，也可以形成于成岩后期。组构选择性孔隙是塔里木盆地碳酸盐岩主要的孔隙类型，研究区组构选择性孔隙主要包含岩石粒内孔、粒间溶孔、晶间溶孔、窗格孔以及微孔隙[4]。

1.2.2 非组构选择性孔隙

非组构选择性孔隙是除去组构选择性孔隙之外的所有孔隙类型的总称。一般为成岩后期形成的溶蚀孔洞、裂缝等中大型孔隙结构。非组构选择性孔隙对岩石物性影响极大，这种孔隙对岩石渗透率以及岩石孔隙之间的连通性产生了很大的影响，因此发育有此类孔隙的岩石一般物性较好。

2 数据来源

常规物性试验是针对取样地层所做的处理分析，虽然可以准确地得出某一深度的岩石物性，却忽略了非组构选择性孔隙对岩石物性的影响，因此无法得出准确的宏观地层物性数据。

考虑到非组构选择性孔隙对岩层物性的广泛影响，为准确而全面地获得各类储层物性参数，本文不采用试验数据，将全部采用测井数据进行相关分析。本文主要根据位于塔中隆起的塔深2井全井段及中18井、巴楚隆起的玛北1井与巴探5井的个别地层的测井数据（见表1），对研究区进行统计分析并划分储层。

3 R-Q因子分析原理及方法

3.1 R-Q因子分析基本原理

在获得研究井位测井数据的基础上，本文利用地质统计学中的R-Q因子分析，进一步开展碳酸盐岩储层性质研究，并以此确定识别储层类别。

3.1.1 R型因子分析原理

假设有n个地层，每个地层有m个影响因素，则其矩阵为：

式中，xij≥0(i=1,2,…,m;j=1,2,…,n)，并且每一行和每一列至少有一个数据不为0。

根据式（2）对式（1）进行变换，即：

式中，xi，xj，T分别满足以下条件：

根据影响因素协方差矩阵特征值λ1≥λ2≥…≥λm，取其累积特征值百分比≥85%的前p个特征值λ1,λ2,…,λP，计算与之相对应的单位特征向量u1,u2,…,up，得到R型因子载荷矩阵：

以此为基础进行的散点数据分析为R型因子分析，表示了研究影响因素之间的相互关系。

表1 塔里木盆地奥陶系碳酸盐岩地层测井数据

3.1.2 Q型因子分析原理

由vj=z'uj可得，Q型因子载荷矩阵为：

根据Q型因子载荷矩阵在因子平面上作地层散点图并进行分析，这被称为Q型因子分析，旨在研究地层之间的相关性[5]。

3.1.3 R-Q因子分析原理

R-Q因子分析是联合应用了影响因素相关分析的R型分析和地层相关分析的Q型分析方法，分别计算R型和Q型因子载荷矩阵，应用地层的Q型因子载荷F0和F1绘制平面图，再将影响因素的R型因子载荷投影到该图，最终形成由影响因素和地层构成的点聚，据此开展地层与地层、影响因素与影响因素、影响因素与地层之间的相关性研究。点聚图中具相似地质成因的元素聚集形成点群，具相似成因的岩石地层聚集形成点群，具有成因关系的地层与影响因素聚集形成点群。临近地层点群的影响因素，揭示了地层与因素间的相关性，因此人们可以根据点聚图，开展地层类别划分与评价[6]。

3.2 R-Q因子分析特征值

根据贡献率计算结果，选取DEN、AC、POR因素进行R-Q因子分析。表2为R-Q分析特征值贡献率，特征值与其所携带的信息量成正比，当累计贡献率大于80%，地层及其影响因素的分类效果最好[7]。

表2 R-Q因子分析特征值贡献率

影响因素分析的R型因子荷载矩阵如表3所示，地层分析的Q型因子荷载矩阵如表4所示。

表3 影响因素分析的R型因子荷载矩阵

表4 地层分析的Q型因子荷载矩阵

由表2可知，第一特征值方差贡献率达到67.78%，第二特征值累积贡献率达到了93.48%，这表示前两个特征值包含了地层及其相关因素的绝大部分信息。所以，使用地层分析的Q型因子载荷F0、F1值绘制地层数据的平面图，再获得影响因素分析的R型因子载荷在图上的投影，得到数据R-Q因子分析点聚图。点聚图反映了地层与各因素间的相关性，人们可以根据其相关性对碳酸盐岩储层进行分类分析。

4 R-Q因子分析点聚图

如图1、图2所示，地层大致分为四大类，Ⅰ类点群主要分布在声波时差因素周围，这说明该类地层与声波时差相关性最强。该区域储渗空间发育较好，具有大量裂缝、溶洞等非组构选择性孔隙，并且是其最主要的储渗空间，储集空间类型为孔洞裂缝组合，具有良好的四性关系，所以Ⅰ类储层属于好储层。

Ⅱ类点群主要分布于孔隙度因素周围，一部分分布于孔隙度因素与声波时差因素之间，说明这类储层与孔隙度因素相关性较大，个别储层性质还与声波时差因素相关。这类地层往往发育有大量的组构选择性孔隙，如粒内孔、粒间孔、晶间孔等微孔隙，部分储层可能含有裂缝、溶洞等非组构选择性孔隙，其孔隙度、声波时差值仅次于I类储层（见图2），四性关系为好-中等级别，为裂缝-溶洞组合储层，是较好的储层。

Ⅲ类点群主要分布于密度与声波时差因素之间，这说明此类地层与密度和声波时差均有一定的相关性。地层有较高的密度说明地层较为致密，孔隙度与储集空间一般较小，不利于油气输送储存。但该地层又与声波时差相关，这说明地层中发育一定数量非组构选择性孔隙，如微裂缝、溶洞等，造成该地层具有一定的声波时差值，但其孔隙度与声波时差值均低于Ⅱ类储层（见图2），这种储集空间类型一般为含裂缝的孔隙型储层，物性一般，为一般储层。

图1 塔里木盆地奥陶系碳酸盐岩测井参数R-Q因子分析点聚图

图2 塔里木盆地奥陶系碳酸盐岩ω（AC）-ω（POR）交会图

Ⅳ类点群主要分布于密度因素周围，此类地层密度较高，孔隙度、渗透率、声波时差值极低，为微孔隙型储层。微孔隙是主要储渗空间，不具有明显的储层四性关系，这类储层属于差储层或直接定义为非储层。

5 结论

塔里木盆地奥陶系碳酸盐岩储层R-Q因子分析结果与钻井取芯结果表明，分类结果一致，说明了R-Q因子分析用于判别划分碳酸盐岩储层的准确性与可靠性，R-Q因子分析可应用于碳酸盐岩储层的识别与划分。根据塔里木盆地奥陶系碳酸盐岩测井数据分析，将该区碳酸盐岩储集层划分为四大类，即孔洞裂缝组合储层、裂缝溶洞组合储层、含裂缝的孔隙型储层和微孔隙型储层，依次对应Ⅰ类好储层、Ⅱ类好-中等储层、Ⅲ类一般储层和Ⅳ类差储层。该分类方案具有一定的实用性，对储层预测和区带评价具有一定的参考价值。根据图1中点群密度，塔里木盆地奥陶系碳酸盐岩储层大部分为中到差储层，物性好的储集层数量极少，说明研究区碳酸盐岩普遍储集性一般。