基于数据挖掘技术的碎屑岩岩性识别方法及应用

苗 涛，王凤琴，高利军，乔林胜，段涛涛

（1.西安石油大学，陕西西安700065；2.全国石油石化行业致密油气地质重点实验室，陕西西安700065；3.延长气田采气二厂，陕西靖边718500）

随着我国油气勘探开发事业的发展，各油气田普遍出现含水率、开采和挖潜等方面的问题，老油田的油气资源再开发成为今后油气勘探开发的热点问题之一［1］。近年来，克拉玛依油田某井区八道湾组油藏产液量及产油量均急速下降，开采效果差，单井日产量递减，综合含水率高等问题突出［2］。该油藏岩性复杂，非均质性强，其岩性控制着储层物性与含油性，从而影响着剩余油藏分布规律。因此，岩性的准确识别成为剩余油藏储层特征研究的基础，对指导油气开发部署极为重要。

测井资料能够连续、精细和原位反映地层地球物理性质，不同类型的碎屑岩在物性上存在许多差异，从而可以通过利用多种测井信息来区分碎屑岩的各种岩性［3-4］。本文基于常规测井曲线，利用测井交会图技术建立克拉玛依油田某井区八道湾组油藏岩性识别图版，针对该图版中岩性存在重叠区域导致岩性识别不准确的问题，利用数据挖掘技术计算出各测井参数在岩性识别模型中的权重大小，确定测井参数对岩性变化的敏感性，再通过建立岩性敏感性较强参数的岩性识别图版，优选出原状地层电阻率、中子孔隙和声波时差为主要岩性敏感参数，据此建立RT-lg（CNL×AC）岩性识别图版。

1 八道湾组油藏储层岩性及含油性

克拉玛依油田某井区J1b4+5油藏具有岩性复杂、强非均质性的特点，依靠常规测井数据很难将所有岩性进行有效识别，而利用测井交会图技术建立的普通岩性识别图版由于岩性存在重叠区域，导致岩性识别精度对剩余油气资源分布特征的研究无明显帮助。因此，出于地质应用、剩余油藏储层特征研究和剩余油气储量计算需求，利用数据挖掘法建立碎屑岩岩性识别图版对该区岩性进行有效识别。

通过对研究区5 口取心井（T88724、T88836、T88959、T8815、J591）的岩心进行精细观察，结合薄片鉴定和分析化验等资料分析表明，研究区八道湾组油藏储层岩性可分为泥岩、粉砂岩、细砂岩、中砂岩、粗砂岩、砂砾岩和砾岩等7 类，其中主要以细砂岩、中砂岩、粗砂岩、砂砾岩和砾岩为主；且不同岩性储层的含油性变化也较大，其中主要含油岩性以中细砂岩、粗砂岩和部分砂砾岩为主（见图1）。

2 数据挖掘法优选敏感性参数

数据挖掘是指从一系列无规律的数据中，寻找隐藏在其中对我们研究有用的信息和知识的过程。其过程一般是通过将数据运行相应的数据挖掘算法，得到相应的模型、模式、规则或其他结果［5］。本次研究是利用决策树算法构建岩性识别模型。决策树算法最早起源于20 世纪60 年代的机器学习系统CLS［6］，经过多年发展，日趋成熟，目前经典的有CART［7］、ID3［8］、SLIQ［9］和C5.0［10］等。

C5.0 决策树方法是目前分类预测、数据挖掘最有效的方法之一。它是在ID3 算法基础上的改进版，主要是利用一系列规则成分建立树状图，进行分类和预测的一种方法。其核心思想是：检测样本数据的所有属性，计算在各个属性值上得到的信息增益率，从中选择获得最大信息增益率的属性建立分支节点，然后从该节点出发，为该属性各不同的取值建立相应的子节点，再釆用递归方式为每个子节点建立下一级分支，直到所有节点仅包含相同类别的数据样本为止，最后通过一定的规则剔除由噪声数据产生的分支，从而使得计算结果更加真实［5］。

本研究将碎屑岩岩性作为样品，将岩性对应的原状地层电阻率、中子孔隙度、密度、声波时差、自然伽马和自然电位等测井数据作为岩性样品的属性，通过运行C5.0 决策树算法计算得到岩性识别规则和各岩性识别参数的权重（见图2）。

据图2 分析表明，研究区对岩性变化最敏感的参数是原状地层电阻率，中子孔隙度和密度次之，声波时差和自然伽马的敏感性不如电阻率和中子孔隙度好，自然电位对岩性的敏感性最低。

3 碎屑岩岩性识别图版建立

依据数据挖掘法确定的参数相对敏感性大小，制作研究区各个岩性敏感参数的交会图并进行分析评价。

3.1 RT－CNL岩性识别图版

原始地层电阻率和中子孔隙度是对岩性敏感性最大的两个参数，分别绘制J1b4和J1b5的RT－CNL岩性识别图版（见图3）。

通过对图的分析表明，RT－CNL 图版可以准确区分泥岩（A）、粉砂岩（B）、砾岩（F）和钙质夹层（G）等岩性，而主要含油岩性的中细砂岩（C）、粗砂岩（D）和砂砾岩（E）相互重叠，无法用此图版识别。整体上说，J1b4层粒度较细，相同岩性的电性识别标准相对于J1b5层要低一些，煤层（见图3b H）测井响应特征明显，特高阻、中子和声波较大，而钙质夹层（G）表现为高阻、中子和声波较小，两种岩性比较容易区分。

图3 RT-CNL岩性识别图版

3.2 AC－DEN岩性识别图版

AC－DEN 岩性识别图版是常用的岩性识别图版，其识别效果明显不如RT－CNL 图版，主要因为密度曲线对岩性不是很敏感，使得泥岩、粉砂岩、中细砂岩和粗砂岩等岩性在图4a 中C、D 区域和图4b中B、C、D区域重叠严重，无法有效区分岩性。

图4 AC-DEN岩性识别图版

3.3 RT－GR岩性识别图版

RT－GR 岩性识别图版也常用于碎屑岩的岩性识别。

由于研究区八道湾组砾岩沉积物离物源区近，搬运距离短，其分选和磨圆都比较差，放射性矿物含量比较多，因此，自然伽马曲线对岩性不是很敏感，导致粗砂岩与中细砂岩和砂砾岩在图中C、D 区重合（见图5）。

图5 RT-GR岩性识别图版

3.4 RT-lg（CNL×AC）岩性识别图版

综上所述，原状地层电阻率、中子孔隙和声波时差为研究区八道湾组（J1b4+5）主要岩性敏感参数，为了将各参数中蕴含的岩性信息最大程度地加以利用，提高岩性交会图版的识别精度，构造岩性识别参数RT和lg（CNL×AC）。

通过对比研究J1b4和J1b5各个小层岩性识别参数（见表1），发现J1b4和J1b5岩性识别标准除粗砂岩、砂砾岩和砾岩的RT 参数有小幅差异外，其余基本一致。该图版能较好地区分泥岩、粉砂岩、中细砂岩、粗砂岩、砂砾岩、砾岩、煤层和钙质夹层等岩性（见图6）。

通过将镜下薄片所识别的各岩性及含油性变化投影到J1b5RT-lg（CNL×AC）图版的对应位置，不难发现不同含油性及不同粒度的砂岩其储层电阻率存在明显差异，分别按照油迹、油斑、油浸、富含油及中细砂岩、粗砂岩、砂砾岩、砾岩两个序列，储层电阻率整体呈变大趋势（见图7）。

表1 J1b4+5RT-lg（CNL×AC）岩性识别图版识别标准对比

图6 RT-lg（CNL×AC）岩性识别图版

图7 J1b5RT－lg（CNL×AC）岩性识别图版分析

4 应用效果分析

根据应用数据挖掘法后的岩性识别图版，对研究区5口取心井岩性进行了重新解释。对比岩心观察结果，本次岩性识别结果较普通岩性识别图版岩性识别更加细化且准确，识别精度达到92.4%（见表2、图8）。

应用数据挖掘法后的岩性识别图版岩性识别结果与岩心描述吻合程度高，尤其对薄层的识别效果更佳，连煤层也可以准确识别；由于综合了多条测井曲线信息，识别模型可以很好地揭示砂体内部的沉积目次。如图8 所示，普通岩性识别图版对A段、E 段分别识别为砂砾岩和泥岩，而应用RT-lg（CNL×AC）图版分别识别为钙质夹层和煤层。

表2 普通岩性识别图版与数据挖掘岩性识别图版解释对比

图8 T8815井普通岩性识别图版与数据挖掘岩性识别图版岩性解释结果对比

5 结论

通过数据挖掘法的应用，确定了克拉玛依某井区八道湾油藏储层的岩性敏感参数，依据所选取的岩性敏感参数绘制各参数岩性交会图版并进行对比研究，最终确定岩性识别参数RT 和lg（CNL×AC）的岩性识别图版。经验证，岩性识别结果与岩心描述吻合程度较高，且本次建立的图版岩性识别精度较普通岩性识别图版识别精度提高，有效提升了碎屑岩岩性识别图版的准确性。