肖佃師，盧雙舫，陸正元，張魯川，郭思祺，谷美維

[1.中國石油大學(華東) 非常規(guī)油氣與新能源研究院，山東 青島 266580；2.成都理工大學 油氣藏地質與開發(fā)工程國家重點實驗室，四川 成都 610059]

?

遼河坳陷大民屯凹陷沙四段頁巖油層礦物組分含量反演方法及應用

肖佃師1,2，盧雙舫1，陸正元2，張魯川1，郭思祺1，谷美維1

[1.中國石油大學(華東) 非常規(guī)油氣與新能源研究院，山東 青島 266580；2.成都理工大學 油氣藏地質與開發(fā)工程國家重點實驗室，四川 成都 610059]

準確刻畫泥頁巖中礦物含量是頁巖油層脆性評價的關鍵。泥頁巖富含有機質、礦物組分復雜，傳統(tǒng)全體積模型解釋方法的精度較低。以渤海灣盆地遼河坳陷大民屯凹陷沙四段頁巖油為例，根據全巖及地化測試資料，剖析該區(qū)泥頁巖的巖性、礦物組成及曲線響應特征，構建適用于泥頁巖的體積模型及曲線響應方程；采用基于遺傳算法的最優(yōu)化方法對頁巖油層進行處理，得到地層的礦物組分含量、孔隙度及干酪根含量等參數(shù)。實際處理結果表明，多礦物反演預測的礦物變化趨勢與ECS(元素俘獲測井)結果一致，其精度明顯高于線性擬合。從含油性及可壓裂性的角度建立頁巖油甜點標準，利用多礦物解釋成果有效指導了頁巖油甜點層位的優(yōu)選。

體積模型；礦物組分；甜點；頁巖油；大民屯凹陷；渤海灣盆地

世界范圍內頁巖油的成功開發(fā)徹底顛覆了地質學家對泥頁巖僅可作為烴源巖和蓋層的認識，泥頁巖地層評價重點由有機質豐度、S1(游離烴含量)等地化指標轉變?yōu)楹托?、物性、脆性、力學性質等七性關系[1-2]。礦物評價不僅為泥頁巖中孔隙度和飽和度的解釋提供基本骨架參數(shù)，同時石英和碳酸鹽巖等脆性礦物含量也決定著泥頁巖受力后的造縫能力，是可壓裂性評價的重要指標[3-4]。巖心測試能準確刻畫礦物的類型及含量，但樣品點有限，難以全面認識礦物的分布規(guī)律。元素俘獲測井(ECS)直接測量礦物中元素含量[5-6]，是目前礦物評價最有效的方法，但因資料有限、費用高，難以大面積推廣，不能滿足頁巖油評價的需要。因此，利用已有的常規(guī)測井資料進行泥頁巖礦物組分含量評價具有重要現(xiàn)實意義[7]。但泥頁巖具有富含有機質、礦物類型多、儲層致密等異于常規(guī)砂巖的特征[8-10]，適用于砂巖的多礦物求解方法不能直接應用于泥頁巖中[11]，需要結合泥頁巖的地質特征，在體積模型、測井響應方程和求解方法等方面進行改進。為此，本文以渤海灣盆地遼河坳陷大民屯凹陷沙四段泥頁巖為例，建立起一套適用于泥頁巖的多礦物反演方法，對頁巖油層段進行礦物組分含量的解釋，有效指導該區(qū)頁巖油甜點層段的優(yōu)選。

1　研究區(qū)地質概況

1.1區(qū)域地質概況

大民屯凹陷位于渤海灣盆地遼河坳陷的東北部，凹陷的四周以控凹斷層為界，呈“下寬上窄”的不規(guī)則三角形[12]。大民屯凹陷是在元古界碳酸鹽巖基底之上形成的中、新生界陸相凹陷，其中新生界古近系分布面積廣、地層厚度大，沉積了包括沙河街組四段(E2s4)、三段(E2s3)、一段(E3s1)和東營組(E3d)等地

層。凹陷初期形成的沙河街組四段(E2s4)，經歷了大規(guī)模湖侵，發(fā)育多套深湖-半深湖環(huán)境下的暗色泥頁巖層；該套地層不僅為凹陷內最重要的烴源巖層及高蠟油的來源[12]，使大民屯凹陷以“小而肥”著名，同時泥頁巖層系中多口油流井的發(fā)現(xiàn)，使沙四段成為遼河油田頁巖油的重要勘探對象[13]。

1.2巖性及礦物特征

圖1　大民屯凹陷沙河街組四段地層綜合柱狀圖(S224井)

圖2　大民屯凹陷沙四段泥頁巖礦物分布三角圖

根據巖石X-衍射分析結果，以粘土礦物、石英和碳酸鹽巖為三端元統(tǒng)計礦物組分的分布(圖2)。除沙四下夾層(E2s4(2b))中碳酸鹽巖含量較高外，其他層段礦物成分均以粘土礦物和石英為主，碳酸鹽巖含量多小于20%，石英礦物的含量最高可達70%，平均為50%。沙四下兩套頁巖層與Barnett頁巖相比，脆性礦物的含量相當[14]，具備可壓裂改造的物質基礎，尤其是下部頁巖(E2s4(2c))的碳酸鹽巖含量增多，相對而言，更易于產生天然微裂縫。

由此可見，沙四下段兩套頁巖層的含油性高、可壓裂性好，具備頁巖油開發(fā)的有利地質條件。近年來在該套地層中已陸續(xù)發(fā)現(xiàn)了多口工業(yè)油流井，如S224井在沙四下段頁巖中獲16.2 t/d的工業(yè)產能，這也證實了該區(qū)頁巖油的資源潛力。目前該區(qū)頁巖油勘探的研究重點為甜點區(qū)預測，亟需建立含油性、脆性礦物的測井評價方法。

2　多礦物組分反演方法

測井曲線以連續(xù)性方式記錄了地下巖層的聲、電和放射性等性質，其可視為地層各組分響應的綜合。泥頁巖的測井曲線不僅反映石英等骨架礦物的響應，同時也受到干酪根及孔隙中流體性質的影響。多組分響應的疊加降低了測井曲線對單一組分的識別能力，如黃鐵礦的存在使密度值增大，而干酪根使密度值減小，因此利用密度曲線預測黃鐵礦含量時，結果會受干酪根變化的影響。多礦物反演正是利用組分響應疊加原理，聯(lián)合多種曲線資料刻畫礦物組分，具有較高的精度和普適性[15]，該方法已在砂巖地層評價中得到廣泛應用。與砂巖相比，泥頁巖具有明顯不同：①發(fā)育有機質及多種礦物成分，需要對體積模型進行改進；②孔隙度低、以納米級孔隙為主[13]，測井響應已不能簡單看作是各組分的線性疊加，需要改進測井響應方程；③增加非線性響應方程，礦物組分反演的難度增大，對優(yōu)化算法的要求更高。因此，需要結合泥頁巖特殊的地質特征，從體積模型構建、曲線響應方程推導及優(yōu)化求解等過程上進行改進，以形成適用于泥頁巖地層的多礦物反演方法。

2.1地層體積模型

泥頁巖地層由孔隙中流體(油氣和水)、干酪根和多種礦物組成。泥頁巖普遍發(fā)育多種類型礦物，包括伊利石、蒙脫石、綠泥石和高嶺石等粘土礦物，石英、長石、方解石和白云石等非粘土礦物以及黃鐵礦等重礦物。利用有限的測井曲線不能評價出所有礦物，同時并非所有礦物都對儲層評價有意義，因此可以通過合并礦物，來簡化泥頁巖地層模型。在礦物合并時，一般遵循“測井響應相似的組分合并、低含量的組分合并、兼顧評價需要(可壓裂性和含油性)”的原則，比如石英、長石可合并，二者的測井響應相似，均對巖石的脆性都有貢獻。

大民屯凹陷沙四段泥頁巖發(fā)育伊/蒙混層、石英和白云石等10類礦物組分(圖3)。根據礦物合并的原則，將該區(qū)礦物劃分為3類：第一類為粘土礦物組合，類型以伊/蒙混層、伊利石為主，表現(xiàn)為較強的塑性；第二類為非粘土礦物組合，包括石英、斜長石、方解石和白云石，以石英和白云石為主，這些礦物均表現(xiàn)出較強的脆性，利于巖石的壓裂改造；第三類為重礦物組合，包括黃鐵礦和菱鐵礦，該組合的含量較小，但局部可達18%，這類礦物的密度值大、導電性強，對密度及電阻率曲線的解釋結果影響較大。因此，結合大民屯凹陷沙四段泥頁巖礦物發(fā)育特征，將泥頁巖地層簡化為粘土礦物、非粘土礦物、重礦物、干酪根和孔隙流體5部分。

圖3　大民屯凹陷E2s4段礦物含量分布

2.2測井曲線響應方程

根據泥頁巖的體積模型，將測井曲線視為地層各組分響應的線性加權，測井響應與地層中礦物組分間關系可表達為：

(1)

式中：Fj為曲線j的理論值；V為體積含量，%；res(j)為組分對應的曲線j響應值；Ф為孔隙度，%；下角標keg，sd，cl，py分別代表干酪根、石英-白云石、粘土和黃鐵礦；T為矩陣的轉置。式(1)對于放射性測井系列適用，如自然伽馬、密度和中子曲線，但對于聲波曲線不適用。

為研究泥頁巖中聲波傳播規(guī)律，通過驅替實驗裝置得到不同含水飽和度的泥頁巖樣品，進行縱波速度測量。從飽和度與縱波時差關系(圖4)中可以得出，不同含水飽和度下的泥頁巖縱波速度基本保持不變，并沒有呈現(xiàn)隨含水飽和度降低縱波時差增大的趨勢，表明泥頁巖孔隙中流體對縱波傳播速度影響較小，聲波并不是直接穿過孔隙傳播。事實上，聲波在地層中傳播滿足時間最短的準則，由于骨架速度遠大于孔隙中流體速度，且泥頁巖以納米級孔隙為主、連通性孔隙較少，使得聲波主要沿巖石骨架傳播，孔隙的存在使得聲波在巖石中傳播的路徑彎曲而加長。因此，泥頁巖的聲波時差值與巖石骨架的速度及傳播路徑有關，骨架時差與巖石聲波時差間關系可用地層因素公式[16]表示：

(2)

式中：Δt，Δtma分別表示聲波時差、骨架時差,μs/ft；Φ為孔隙度，%；r為巖性指數(shù)。r值與影響骨架傳導速度和路徑的因素有關，即由巖石礦物組成及孔隙形態(tài)決定。經歷了相同沉積、成巖作用的同類巖石通常具有相似的孔隙形態(tài)，此部分對巖性指數(shù)的貢獻可近似為一定值；骨架傳導速度受巖石中低速組分的影響，r

圖4　泥頁巖中含水飽和度與縱波時差關系

值通常與該組分關系密切。如含泥砂巖，隨泥質含量增大速度明顯降低，前人研究證實含泥砂巖中r值與粘土含量呈正相關[17]；對于含有機質泥頁巖，干酪根的存在使聲波速度明顯降低，r值應與干酪根的含量有關。同時泥頁巖粒度細、粘土含量多，粘土礦物應與石英、白云石、黃鐵礦等一起視為骨架。由此，可建立適用于泥頁巖的聲波地層因素公式：

(3)

式中：aVkeg+b項代表巖性指數(shù)，a，b為常數(shù)項，b值反映孔隙形狀對聲波傳導路徑的影響；等式右側的第一項為骨架時差。

將巖心分析孔隙度、礦物含量及干酪根含量等資料以及聲波測井值帶入上式，可以得到一系列關于a和b的方程組，通過優(yōu)化可得到a=25.65，b=2.48。可見，不含有機質泥巖的巖性指數(shù)為2.48，明顯大于砂巖的巖性指數(shù)(約為1.6)[17]，這說明由于泥頁巖中微孔發(fā)育、比表面積大，聲波傳導的彎曲度明顯增加。

2.3地層組分反演

2.3.1目標函數(shù)

地層組分反演可認為是將單井曲線剖面轉化為地層巖性剖面的過程，也就是通過求解多條測井曲線響應方程來得到地層組分的過程。常規(guī)測井曲線包括自然伽馬、密度、中子和聲波，加上體積守恒原則，可建立以地層組分為變量的方程組：

(4)

式中：帶下腳標的GR，DEN和CNL為組分的測井曲線響應值。上述方程組由5個方程組成，與變量的個數(shù)相同，這意味著通過方程組求解可得到唯一解，但由于式(3)為非線性方程，線性方程組的求解方法無法適用，同時求解結果通常會出現(xiàn)部分地層組分為負或者大于1的情況。為便于方程組求解及使結果符合地質認識，通常將式(4)轉化為帶約束的優(yōu)化問題：目標函數(shù)為式(4)各等式的左側與右側差值的平方之和，為消除測井曲線量綱差異，通常將差值除以曲線測量值；約束條件為地層組分含量在[0,1]內，區(qū)間上下限還可通過巖心XRD分析結果統(tǒng)計得到。

(5)

式中，Q為約束目標函數(shù)；F()為式(4)中曲線響應方程等式的右側部分；GR，DEN，CNL,Δt為自然伽馬、密度、中子和聲波時差曲線實測值。

2.3.2優(yōu)化求解方法

約束最優(yōu)化問題的求解可分為確定性算法和隨機性算法兩類。前者的基本思路是根據約束條件構建懲罰函數(shù)，將約束優(yōu)化問題轉變?yōu)闊o約束的優(yōu)化問題，進而利用基于梯度的搜索方法進行優(yōu)化問題的求解，如拉格朗日法、最速下降法等。該類方法一般都要預先給定初始搜索點，并利用求導來確定可行的搜索方向，不同的初始點則可能得到不同的局部最優(yōu)解；隨機性算法一般包括遺傳算法、模擬退火和支持向量機等。這類方法通過全局尋優(yōu)的智能優(yōu)化算法，在可行域內搜索出全局最優(yōu)解，所以隨機性算法不需要給定初始點，且不受目標函數(shù)是否連續(xù)、可微等條件的限制，更適合于求解復雜的約束優(yōu)化問題。泥頁巖中地層組分的變化范圍大，預先給定初始值的難度大，同時目標函數(shù)為復雜的非線性方程，為此本文選用遺傳算法進行礦物組分反演[18]，其中算法直接引用MATLAB中遺傳算法工具包。

利用理想地層模型對遺傳算法的有效性進行檢驗。假定一套泥頁巖地層，自上而下粘土、干酪根及孔隙的體積逐漸增大，石英和黃鐵礦的體積含量逐漸減小；通過測井曲線響應方程計算GR，AC，CNL和DEN的理論值，在該過程中引入5%的隨機噪聲，然后利用遺傳算法反演得到地層組分的含量(圖5)。通過比較可知，地層組分的計算值與實際值基本吻合，誤差較小，這表明遺傳算法能有效應用于泥頁巖地層組分的反演。

地層組分反演的精度主要受各組分測井曲線響應值的影響。一類地層組分通常包括多種礦物，而不同礦物的測井曲線響應值并非完全相近，當這些礦物的相對含量變化較大時，勢必會影響到地層組分的曲線響應值。比如非粘土礦物組合，石英和白云石礦物的含量較多，石英和白云石的密度值分別為2.65和2.81 g/cm3，且地層中石英和白云石的分布呈此消彼長的趨勢，在E2s4(2a)段以石英礦物為主，在E2s4(2b)段以白云石礦物為主，因此在礦物反演過程中，如果采用固定的密度曲線響應值，勢必會影響反演精度。分E2s4(2a)，E2s4(2b)，E2s4(2c)三套地層進行測井曲線響應值的優(yōu)化，基本步驟是根據巖心XRD，GRI孔隙度分析及TOC熱解實驗結果，經過轉化得到地層各組分的體積含量，獲取樣品點對應的曲線實測值，通過公式(5)優(yōu)化可得到各地層組分測井曲線響應值。

圖5　基于遺傳算法的地層組分反演可行性分析

3　實際應用

3.1效果分析

采用多礦物反演方法對大民屯凹陷沙四段泥頁巖地層進行礦物含量評價。反演中主要輸入曲線包括自然伽馬、聲波時差、密度和中子，結果得到粘土、石英-白云石、黃鐵礦、孔隙和干酪根五種組分含量。為檢驗反演結果的精度，將反演結果與線性擬合和ECS測井解釋的結果進行對比，其中ECS測井解釋采用斯倫貝謝Elan程序處理，線性擬合是利用逐步線性回歸方法，建立起各組分與測井曲線間的經驗公式。該區(qū)泥頁巖中各組分的線性擬合公式為：

石英-白云石含量：Vsd=-1.045 2Δt+145,R=0.65

(6)

粘土礦物含量：Vcl=0.298Δt-5.330DEN-0.387CNL+31.87,R=0.61

(7)

黃鐵礦含量：Vpy=0.407 5CNL-12，R=0.68

(8)

干酪根含量：Vkeg=0.238Δt+5.265lgRt-17.108，R=0.72

(9)

孔隙度：Φ=1-Vsd-Vcl-Vpy-Vkeg

(10)

式中：Δt為聲波時差，μs/ft；CNL為中子曲線，%；DEN為密度曲線，g/cm3;Rt為深側向電阻率，Ω·m；R為相關系數(shù)。

以位于大民屯凹陷沉積中心的S352井為例，說明礦物評價的效果。從礦物實測值與計算值對比來看(圖6)，3類方法預測結果具有相似性，數(shù)據點均沿著對角線分布。其中，石英-白云石的預測精度最高，其次為粘土礦物，黃鐵礦的精度最低，這也說明礦物含量越多，其在曲線中的貢獻量越大，預測精度越高。對于粘土礦物和黃鐵礦，多礦物反演的數(shù)據點更為集中(圖6b,c)，其精度要高于線性擬合。從礦物垂向分布來看(圖7)，多礦物反演預測的礦物變化規(guī)律與ECS解釋基本一致，明顯優(yōu)于線性擬合。如E2s4(2a)段，多礦物反演結果顯示自上而下粘土含量逐漸降低，石英-白云石含量基本穩(wěn)定，這與ECS解釋結果一致，而線性擬合結果顯示粘土含量基本保持穩(wěn)定。這主要是因為線性擬合不能考慮其他組分對曲線的影響而引起，該段的密度、中子和聲波曲線值穩(wěn)定，利用線性擬合會得出粘土含量穩(wěn)定的結論，但該套地層中有機質的含量卻在增加，增加的這部分有機質勢必需要降低粘土的含量，才能保證密度、中子等曲線值的穩(wěn)定?？梢?，多礦物反演預測的礦物含量與實測值吻合，且垂向變化趨勢與ECS解釋一致，表明該方法具有較高的精度，能夠適用于泥頁巖地層。

3.2頁巖油有利層段優(yōu)選

北美頁巖油成功開發(fā)經驗表明只有在含油量高、可壓裂性強的“甜點”區(qū)，通過水平井鉆探和水力壓裂技術才能實現(xiàn)頁巖油的商業(yè)開發(fā)[19]。因此，頁巖油有利層段的優(yōu)選需要綜合考慮泥頁巖層的含油性和可壓裂性，具體指標包括總有機碳含量(TOC)、成熟度(Ro)、氯仿瀝青“A”含量、“S1”、孔隙度、脆性礦物含量、巖石力學、裂縫發(fā)育、厚度等；由于個別評價指標數(shù)據有限、參數(shù)間存在相互關系，可以結合研究區(qū)實際情況進行簡化。

大民屯凹陷沙四段泥頁巖的成熟度(Ro)為0.5%～1.0%，處于成熟階段。由于生烴作用，TOC和S1間呈現(xiàn)明顯的正相關，因此TOC值可以定性反映泥頁巖的含油性；根據盧雙舫的頁巖油富集資源段劃分方法[20]，結合該區(qū)TOC-S1關系(圖8)，將TOC值為4%作為頁巖油富集資源的下限，TOC值大于4%的數(shù)據點對應的S1值基本大于0.5 mg/g。泥頁巖層的可壓裂性與脆性礦物的含量有關[19]，石英和碳酸鹽巖等礦物含量高，巖石表現(xiàn)出強楊氏模量、低泊松比，在外力作用下易產生裂縫。引入巖石脆性指數(shù)(BI)來反映巖石的可壓裂性，它是石英、白云石、黃鐵礦等脆性礦物占巖石骨架礦物的比例：

圖6　三種方法計算的礦物含量與實測值對比

圖7　三種方法解釋礦物含量結果對比及“甜點”優(yōu)選

(11)

式中:Vsd，Vcl，Vpy為石英-白云石、粘土礦物、黃鐵礦的體積含量，%；BI為脆性指數(shù)，無量綱。通過計算可知，該區(qū)E2s4段泥頁巖BI的分布范圍為25%～95%，集中在45%～65%；北美頁巖油儲層中石英含量多大于50%，粘土含量多低于40%[21]，BI值普遍大于0.6。定義BI值為0.6作為可壓裂性的下限。

通過分析，確定該區(qū)頁巖油“甜點”的優(yōu)選條件為TOC大于4%，BI大于0.6，同時要求單層有效厚度大于10 m。根據上述標準，結合多礦物反演結果，進行頁巖油有利層段的優(yōu)選。在S352井共優(yōu)選出2個有利層段(圖7)：E2s4(2a)段頁巖的底部，有效厚度為26 m，干酪根含量平均值為18%，脆性指數(shù)平均值為0.78；E2s4(2c)的第二套頁巖段，有效厚度為23 m，干酪根含量平均值為13%，脆性指數(shù)平均值為0.76。

4　結論

1) 對泥頁巖地層而言，自然伽馬、中子和密度測井滿足多組分線性加權疊加；而聲波時差滿足地層因素公式，其中骨架速度由粘土、石英-白云石和黃鐵礦決定，巖性指數(shù)由干酪根含量及孔隙結構決定，巖性指數(shù)與干酪根呈正相關。

2) 遺傳算法具有全局尋優(yōu)、不用預定初始點的優(yōu)點，能有效解決了泥頁巖礦物組分求解過程中響應方程非線性、礦物初始點難以選取的問題；通過分段優(yōu)化選取礦物組分測井響應參數(shù)，進一步提高了反演結果的精度，理論模型試驗及實際井處理均表明基于遺傳算法的礦物組分反演方法能有效適用于泥頁巖地層。

3) 大民屯凹陷沙四下段泥頁巖具備頁巖油開發(fā)的有利地質條件，考慮泥頁巖的含油性及可壓裂性，確定大民屯凹陷頁巖油甜點優(yōu)選條件為有機碳含量(TOC)大于4%、脆性指數(shù)(BI)大于0.6、且單層有效厚度大于10 m。結合多礦物反演結果，在S352井沙四下段優(yōu)選出2個甜點層段，總有效厚度為49 m。

[1]孫建孟.基于新“七性”關系的煤層氣、頁巖氣測井評價[J].測井技術，2013，37(5)：457-466.

Sun Jianmeng.Coalbed methane and shale gas evaluation based on new seven related losing goals[J].Well Logging Technology，2013，37(5)：457-466.

[2]張晉言.頁巖油測井評價方法及其應用[J].地球物理學進展，2012，27(3)：1154-1162.Zhang Jinyan.Well Logging evaluation method of shale oil reservoirs and its applications[J].Progress in Geophysics,2012,27(3):1154-1162.

[3]刁海燕.泥頁巖儲層巖石力學特性及脆性評價[J].巖石學報，2013，29(9)：3300-3306.

Diao Haiyan.Rock mechanical properties and brittleness evaluation of shale reservoir[J].Acta Petrolei Sinica，2013，29(9)：3300-3306.

[4]袁俊亮，鄧金根，張定宇，等.頁巖氣儲層可壓裂性評價技術[J].石油學報，2013，34(3)：523-527.

Yuan Junliang,Deng Jinyin,Zhang Dingning,et al.Fracability evaluation of shale-gas reservoirs[J].Acta Petrolei Sinica,2013,34(3):523-527.

[5]Schlumberger Ltd.ECS elemental capture spectroscopy sonde[P].http://www.slb.com/services/characterization/petrophysics/wireline/legacy_services/spectroscopy_sonde.aspx,2006.

[6]侯頡，鄒長春，楊玉卿.頁巖氣儲層礦物組分測井分析方法[J].工程地球物理學報，2012，9(5)：607-614.

Hou Jie,Zou Changchun,Yang Yuqing.Well logging method in the analysis of the mineralogical composition of shale gas reservoirs[J].Chinese Journal of Engineering Geophysics，2012，9(5)：607-614.

[7]Ramirez T R,Klein J D,Bonnie R J M,et al.Comparative study of formation evaluation methods for unconventional shale-gas reservoirs:application to the Haynesville shale(Texas)[C].Paper SPE 144062 presented at the SPE North American Unconventional Gas Conference and Exhibition,The Woodlands,Texas,14-16 June,2011.

[8]蔣裕強，董大忠，漆麟，等.頁巖氣儲層的基本特征及其評價[J]．天然氣工業(yè)，2010，30(10)：7-12.

Jiang Yuqiang,Dong Dazhong,Qi Lin,et al.Basic features and evaluation of shale gas reservoirs[J].Natural Gas Industry,2010，30(10):7-12.

[9]耳闖，趙靖舟，白玉彬，等.鄂爾多斯盆地三疊系延長組富有機質泥頁巖儲層特征[J].石油與天然氣地質，2013，34(5)：708-716.

Er Chuang,Zhao Jingzhou,Bai Yubin,et al.Reservoir characteristics of the organic-rich shales of the triassic Yanchang Formation in Ordos basin[J].Oil and Gas Geology,2013,34(5):708-716.

[10]楊小兵，楊爭發(fā)，謝冰，等.頁巖氣儲層測井解釋評價技術[J].天然氣工業(yè)，2012,32(9):33-36.

Yang Xiaobing，Yang Zhengfa，Xie Bing，et al.The logging interpretation evaluation technology of shale gas reservoirs[J].Natural Gas Industry，2012,32(9):33-36.

[11]秦瑞寶，余杰.多礦物處理方法在北美頁巖油氣藏測井評價中的應用[J].石油地球物理勘探，2013，48(增1)：175-180.

Qin Ruibao,Yu Jie.Application of multi-mine soft model in a shale oil & gas reservoir logging evaluation[J].Oil Geophysical Prospecting,2013,48(S1):175-180.

[12]黃海平，李虹，馬刊創(chuàng)，等.大民屯凹陷高蠟油的形成條件[J].石油與天然氣地質，2001，22(1)：64-67.

Huang Haiping,Li Hong,Ma Kanchuang,et al.Formation condition of high wax oils In Damintun Sag[J].Oil & Gas Geology,2001,22(1):64-67.

[13]馬滿興.大民屯凹陷油頁巖層段儲集性能研究[J].巖性油氣藏，2013，25(5)：37-44.

Ma Manxing.Study on the reservoir properties of the interval of oil shale in Damintun Depression[J].Lithologic Reservoirs,2013，25(5)：37-44.

[14]Julia F W G，Robert M R，Holder J.Natural fractures in the Barnett shale and their importance for hydraulic fracture treatments[J].AAPG Bulletin，2007，91(4)：603-622.

[15]肖佃師，盧雙舫，陳海峰，等.基于頻譜分解的測井曲線標準化方法[J].石油與天然氣地質，2013，34(1)：129-136.

Xiao Dianshi,Lu Shuangfang,Chen Haifeng,et al.Logging data normalization based on frequency spectral decomposition[J].Oil & Gas Geology,2013,34(1):129-136.

[16]Raiga-Clemenceau J.The concept of acoustics formation factor for more accurate porosity determination from sonic transit time data[C].SPWLA 27thAnnual Logging Symposium,9-13 June,1986,Houston,Texas.

[17]許與非.泥質砂巖非線性孔隙度模型[J].測井技術，1998，22(S1)：28-32.

Xu Yufei.Nonlinear argillaceous sandstone porosity model[J].Well Logging Technology,1998，22(S1)：28-32.

[18]韓雪，潘保芝，張意，等.遺傳最優(yōu)化算法在砂礫巖儲層測井評價中的應用[J].測井技術，2012，36(4)：392-396.

Han Xue,Pan Baozhi,Zhang Yi,et al.GA-Optimal log interpretation applied in glutenite reservoir evalution[J].Well Logging Technology,2012,36(4):392-396.

[19]唐穎，唐玄，王廣源,等.頁巖氣開發(fā)水力壓裂技術綜述[J].地質通報，2011，30(2/3)：393-399.

Tang Ying,Tang Xuan,Wang Guangyuan,et al.Summary of hydraulic fracturing technology in shale gas development[J].Geological Bulletin of China,2011,30(2/3):393-399

[20]盧雙舫，黃文彪，陳方文，等.頁巖油氣資源分級評價標準探討[J].石油勘探與開發(fā)，2012，39(2)：249-256.

Lu Shuangfang，Huang Wenbiao，Chen Fangwen，et al.Classification and evaluation criteria of shale oil and gas resources：Discussion and application[J].Petroleum Exploration and Development，2012，39(2)：249-256.

[21]陳曉智，陳桂華，肖鋼，等.北美TMS頁巖油地質評價及勘探有利區(qū)預測[J].中國石油勘探，2014，19(2)：77-84.

Chen Xiaozhi，Chen Guihua，Xiao Gang，et al.Geological evaluation prediction of favorable exploration zones of TMS shale oil in North America[J].China Petroleum Exploration，2014，19(2)：77-84.

(編輯張玉銀)

Inversion method of shale oil reservoir mineral component content and its application in the Fourth Member of the Shahejie Formation in the Damintun Sag,Liaohe Depression

Xiao Dianshi1,2，Lu Shuangfang1，Lu Zhengyuan2，Zhang Luchuan1，Guo Siqi1，Gu Meiwei1

[1.InstituteofUnconventionalOilandGasandNewEnergy，ChinaUniversityofPetroleum(EastChina)，Qingdao,Shandong266580，China；2.StateKeyLaboratoryofOil&GasReservoirGeologyandExploitation,ChengduUniversityofTechnology,Chengdu，Sichuan610059,China]

Accurate characterization of mineral content is the key to evaluate its fractability for shale oil reservoir.Because of being rich in organic matter and with complex mineral composition,mineral evaluation with traditional volume model method is of low accuracy.This paper took the fourth member of the Shahejie Formation shale-oil reservoir in the Damintun Sag of Liaohe Depression,Bohai Bay Basin as an example.Bulk rock analysis and geochemistry test data were used to analyze lithology,mineral composition and curve response characteristics of the shale-oil reservoir,and then constructed the volume model and logging response equation suitable for the shale-oil reservoir.Genetic algorithm-based optimization method was utilized to calculate mineral composition,porosity and kerogen content.The calculation results showed that the mineral distribution predicted by multi-mineral inversion method was consistent with that of ECS,and its precision was obviously higher than that of linear fitting.The standards of shale-oil sweet spot were built in terms of oil-bearing property and fracability.The multi-mineral interpretation results can effectively guide sweet spot identification of shale oil.

volume model,mineral component,sweet spot,shale oil,Damintun Sag,Bohai Bay Basin

2015-05-17;

2015-08-20。

肖佃師(1981—)，男，講師、博士，復雜儲層地球物理評價。E-mail:xiaods1024@163.com。

高校自主創(chuàng)新科研計劃項目(13CX05013A)；山東省優(yōu)秀中青年科學家科研獎勵基金項目(2014BSE28018)。

0253-9985(2016)01-0037-08

10.11743/ogg20160106

TE 122.2

A