張華鋒，邱隆偉，王軍，陳鋼花，楊勇強(qiáng)，郭春清，何宇龍

（1.中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東 青島 266580；2.中國石化勝利油田分公司勘探開發(fā)研究院，山東 東營 257000；3.山東科瑞非常規(guī)油氣研究院，山東 東營 257000）

0 引 言

針對目標(biāo)區(qū)塊致密儲層巖性復(fù)雜多變、孔隙結(jié)構(gòu)復(fù)雜、孔隙度和滲透率較低等問題，建立有效性綜合評價(jià)標(biāo)準(zhǔn)，對致密儲層有效儲量估算有著重要意義。目標(biāo)區(qū)塊致密儲層有效性受多種因素共同影響，因此，需綜合考慮各種影響因素，建立適用于致密儲層巖性、物性及孔隙結(jié)構(gòu)的測井解釋方法，形成致密儲層有效性綜合評價(jià)標(biāo)準(zhǔn)。

巖性識別是致密儲層有效性評價(jià)的基礎(chǔ)。目前國內(nèi)外對于致密儲層巖性識別與預(yù)測已具備一定的研究基礎(chǔ)[1-3]。一般可以通過數(shù)學(xué)物理建模，構(gòu)建綜合變量的方法來識別巖性[4-6]。劉倩茹等[7]提取了主因子和巖性識別指數(shù)，建立了巖性識別方法。同時(shí)，機(jī)器學(xué)習(xí)算法在巖性識別領(lǐng)域也有較為廣泛的應(yīng)用[8-10]。陳鋼花等[11]利用支持向量機(jī)與粒子群算法建立巖性識別模型，取得了較好的應(yīng)用效果。楊輝等[12]利用BP神經(jīng)網(wǎng)絡(luò)模型建立了致密儲層巖性識別方法，巖性識別結(jié)果與巖心分析等資料基本一致。

儲層物性參數(shù)的準(zhǔn)確計(jì)算是致密儲層有效性綜合評價(jià)的關(guān)鍵。Kukal等[13]提出利用巖石物理相模型建立致密砂巖儲層孔隙度計(jì)算方法，取得良好的應(yīng)用效果。Rosenbrand等[14]綜合考慮束縛水飽和度對滲透率的影響，建立了致密儲層滲透率的計(jì)算方法，取得了良好的應(yīng)用效果。儲層有效性評價(jià)是優(yōu)選甜點(diǎn)儲層分布的基礎(chǔ)。劉文輝等[15]基于流動孔隙度理論，提出了利用流動能力指數(shù)評價(jià)儲層有效性的方法。國內(nèi)外學(xué)者已對致密儲層有效性評價(jià)方法進(jìn)行了大量理論研究與應(yīng)用探索，在儲層巖性識別、物性參數(shù)解釋模型建立、致密儲層有效性評價(jià)標(biāo)準(zhǔn)的建立等方面均取得了進(jìn)展[16-18]。然而，目前致密儲層有效性評價(jià)方法一般局限于單一或部分信息資料，沒有綜合分析影響致密儲層有效性主要因素，難以全面精細(xì)地建立致密儲層有效性評價(jià)標(biāo)準(zhǔn)。

本文綜合利用目標(biāo)區(qū)塊掃描電鏡與鑄體薄片等資料，建立了致密儲層孔隙結(jié)構(gòu)特征評價(jià)方法，并將孔隙結(jié)構(gòu)劃分為4種類型。在儲層特征描述的基礎(chǔ)上結(jié)合巖石物理相分類建模與孔隙結(jié)構(gòu)特征，建立了多參數(shù)融合的致密儲層有效性評價(jià)方法。同時(shí)給出了致密儲層巖性及物性解釋方法、巖石物理相分類模型、儲層流體識別技術(shù)以及儲層孔隙結(jié)構(gòu)評價(jià)方法，可為致密儲層有效性評價(jià)技術(shù)提供指導(dǎo)。

1 基本原理

1.1 卷積神經(jīng)網(wǎng)絡(luò)原理

卷積神經(jīng)網(wǎng)絡(luò)是一種常見的機(jī)器學(xué)習(xí)模型，該模型與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型具有明顯區(qū)別。相比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)多了一個(gè)特征抽取器，即卷積層和池化層的組合，其特征結(jié)構(gòu)主要為輸入層、特征提取器、全連接多層感知分類器、輸出層這4部分。本文選取巖性密度（DEN）、補(bǔ)償中子（CNL）、自然伽馬（GR）、聲波時(shí)差（AC）、沖洗帶電阻率（RXO）、原狀地層電阻率（RT）這6條常規(guī)測井曲線及對應(yīng)巖屑錄井巖性編號作為樣本集數(shù)據(jù)。首先對樣本集測井?dāng)?shù)據(jù)進(jìn)行歸一化處理，避免特征量綱差異導(dǎo)致預(yù)測結(jié)果出現(xiàn)偏差。同時(shí)為了消除孔隙度對巖性的影響，最終選用GR、DEN、CNL、RT、M、N（M、N為消除孔隙度影響突出巖性而構(gòu)造的參數(shù)）作為巖性敏感參數(shù)，建立訓(xùn)練集與測試集數(shù)據(jù)樣本，利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，最后建立巖性預(yù)測模型。圖1為卷積神經(jīng)網(wǎng)絡(luò)模型示意圖。

圖1 卷積神經(jīng)網(wǎng)絡(luò)模型示意圖

1.2 主成分分析原理

一般情況下，經(jīng)過歸一化處理的測井?dāng)?shù)據(jù)依舊具有較大計(jì)算量，因此，需利用主成分分析法，提取能有效反映測井曲線特征與原始地層信息的綜合變量，減少特征曲線的條數(shù)，達(dá)到降維的目的，簡化計(jì)算。主成分分析法的基本原理是從具有復(fù)雜相關(guān)關(guān)系的測井曲線中提取n條非線性相關(guān)的特征變量（如PC1，PC2，PC3，...，PCn），且從PC1到PCn綜合變量所反映的地層信息逐步減少，簡化儲層分類，提高數(shù)據(jù)質(zhì)量。本文主要利用CNL、AC、SP、RT這4個(gè)測井參數(shù)提取綜合變量，建立主成分分析方法。

1.3 巖石物理相分類原理

一般情況下，在主成分空間中相距較近的為相同巖石物理相，而相距較遠(yuǎn)的為不同巖石物理相，基于此原理建立巖石物理相分類模型。主要利用離差平方和建立巖石物理相分類的方法，首先將多維測井?dāng)?shù)據(jù)進(jìn)行歸一化處理，統(tǒng)一放置于平面坐標(biāo)系中，計(jì)算多維數(shù)據(jù)空間中數(shù)據(jù)點(diǎn)的離差平方和，將離差平方和最小的數(shù)據(jù)點(diǎn)劃分為同類，形成多個(gè)特征數(shù)據(jù)類，不同數(shù)據(jù)集合里的測井?dāng)?shù)據(jù)代表不同巖石物理相的測井響應(yīng)特征，因此，按照測井?dāng)?shù)據(jù)的聚集特征分為不同巖石物理相，建立巖石物理相分類模型。

式中，Dmn為m類和n類的在數(shù)據(jù)空間中的距離；So為將m類和n類數(shù)據(jù)歸為o類的離差平方和；Sm、Sn分別為m類和n類的離差平方；m、n、o分別指3類不同數(shù)據(jù)集合。

1.4 儲層物性參數(shù)精細(xì)建模原理

基于主成分分析方法提取綜合變量，并結(jié)合離差平方和方法建立巖石物理相分類模型，分別對目標(biāo)區(qū)塊各井進(jìn)行巖石物理相分類。在巖石物理相分類模型的基礎(chǔ)上，利用巖心取樣分析的孔隙度與滲透率參數(shù)分別對不同巖石物理相模型建立相應(yīng)擬合關(guān)系，實(shí)現(xiàn)儲層物性參數(shù)的精細(xì)建模，有效提高致密油藏儲層物性參數(shù)解釋及評價(jià)精度。

2 致密儲層有效性綜合評價(jià)

2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的巖性識別

目標(biāo)區(qū)塊致密儲層巖性主要為含礫砂巖和礫狀砂巖，且2種巖性地層的測井響應(yīng)特征較為相似。圖2為不同巖性的常規(guī)測井曲線交會圖。由圖2可知，多種巖性混雜在一起，無法進(jìn)行區(qū)分，僅利用單條常規(guī)測井曲線無法對致密儲層的復(fù)雜巖性進(jìn)行有效劃分。

圖2 不同巖性常規(guī)測井曲線交會圖

因此，本文主要利用卷積神經(jīng)網(wǎng)絡(luò)模型，對目標(biāo)區(qū)塊巖性進(jìn)行巖性識別[19]。通過統(tǒng)計(jì)分析，本文主要選取GR、DEN、CNL、RT、M、N這6個(gè)參數(shù)作為巖性敏感參數(shù)，設(shè)置成6×6的像素點(diǎn)，并將這6個(gè)巖性敏感參數(shù)隨機(jī)分配到像素點(diǎn)內(nèi)，用帶巖性標(biāo)志的樣本數(shù)據(jù)（其中測試集與訓(xùn)練集樣本數(shù)據(jù)的比例為7∶3）進(jìn)行訓(xùn)練并建立巖性預(yù)測模型。表1為卷積神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)識別巖性回判準(zhǔn)確率對比。結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)模型預(yù)測巖性具有精度高、收斂快、實(shí)時(shí)性好的特點(diǎn)。

表1 2 種巖性識別方法對比表

式中，Δt1為骨架聲波時(shí)差，μs/m；Δt為聲波時(shí)差，μs/m；ρb為巖石體積密度，g/cm3；ρt為巖石骨架密度，g/cm3；φf為骨架孔隙度，%；φ為孔隙度，%。

2.2 巖石物理相模型建立

由于壓實(shí)、膠結(jié)等作用的影響，致密儲層孔隙結(jié)構(gòu)較為復(fù)雜。若不考慮其他影響因素，利用單一模型進(jìn)行儲層有效性評價(jià)會導(dǎo)致解釋結(jié)果精度較低。在研究各類巖性的測井響應(yīng)特征后，確立了不同巖石物理相與常規(guī)測井曲線的相關(guān)關(guān)系。選取補(bǔ)償中子、聲波時(shí)差、自然電位、電阻率這4條常規(guī)測井曲線作為特征參數(shù)，利用主成分分析方法，提取出2個(gè)非線性相關(guān)的主成分，并結(jié)合離差平方和的數(shù)學(xué)物理方法，建立巖石物理相模型。

式中，ZCNL、ZAC、ZSP、ZRT分別為補(bǔ)償中子、聲波時(shí)差、自然電位、電阻率歸一化后的數(shù)值。

由圖3可見，應(yīng)用主成分分析法建立的2個(gè)主成分PC1、PC2能將巖石物理相劃分為4類，且4類巖石物理相在坐標(biāo)軸上具有明顯區(qū)分，因此，利用該方法能有效劃分巖石物理相。其中，4類巖石物理相的測井響應(yīng)特征見表2。

表2 4 類巖石物理相的測井響應(yīng)特征

圖3 主成分分析法劃分巖石物理相

2.3 儲層物性參數(shù)解釋模型建立

準(zhǔn)確計(jì)算儲層物性參數(shù)是致密儲層有效性綜合評價(jià)的關(guān)鍵。致密儲層具有孔隙結(jié)構(gòu)復(fù)雜的特征，利用單條測井曲線計(jì)算儲層物性參數(shù)，其精度較低，不能滿足實(shí)際生產(chǎn)需求。采用巖石物理相分類建模的思想建立儲層物性參數(shù)計(jì)算模型，即利用不同巖石物理相分類標(biāo)準(zhǔn)，結(jié)合取心測試分析資料，建立不同巖石物理相的物性參數(shù)計(jì)算模型[見式 （6）～式 （13）]。由圖4 ～圖5可知，利用巖石物理相分類建模思想計(jì)算的儲層物性參數(shù)，與巖心測試分析的孔隙度和滲透率結(jié)果更加吻合，該解釋模型相較于部分巖石物理相的儲層物性參數(shù)計(jì)算模型，具有更高的解釋精度。

圖4 基于巖石物理相的孔隙度解釋與常規(guī)孔隙度解釋對比

圖5 基于巖石物理相的滲透率解釋與常規(guī)滲透率解釋對比

巖石物理相1：

巖石物理相2：

巖石物理相3：

不分巖石物理相：

式中，K為滲透率，10–3μm2；R為擬合相關(guān)度。

2.4 儲層孔隙結(jié)構(gòu)評價(jià)

孔隙結(jié)構(gòu)的定量化評價(jià)是致密儲層有效性標(biāo)準(zhǔn)建立的基礎(chǔ)。巖石的微觀物理性質(zhì)由壓汞曲線特征與孔喉半徑綜合表征，同時(shí)，儲層的儲集能力與滲流能力也可由壓汞曲線特征反映。本文基于孔喉半徑分布、壓汞分形曲線及毛細(xì)管壓力曲線特征建立了致密儲層孔隙結(jié)構(gòu)劃分標(biāo)準(zhǔn)，主要分為4類孔隙結(jié)構(gòu)類型（見表3）。

表3 4 類孔隙結(jié)構(gòu)分類參數(shù)表

2.5 致密儲層有效性分析

致密儲層有效性分析是對試油試采資料進(jìn)行分析，同時(shí)結(jié)合常規(guī)測井資料與實(shí)驗(yàn)分析結(jié)果，建立儲層有效性定性及定量評價(jià)方法。本文基于巖石物理相分類模型及孔隙結(jié)構(gòu)分類標(biāo)準(zhǔn)，結(jié)合試油試采資料進(jìn)行刻度，建立了目標(biāo)區(qū)塊致密儲層有效性評價(jià)的3類標(biāo)準(zhǔn)（見表4）。其中，將巖石物理相為1、孔隙結(jié)構(gòu)為I或II及巖石物理相為2、孔隙結(jié)構(gòu)為I的標(biāo)定為A類；巖石物理相為2、孔隙結(jié)構(gòu)類型為II及巖石物理相為3、孔隙結(jié)構(gòu)為I的標(biāo)定為B類；其他的組合標(biāo)定為C類。

表4 研究區(qū)儲層有效性評價(jià)標(biāo)準(zhǔn)

基于不同巖石物理相模型，建立了致密儲層物性參數(shù)計(jì)算模型和有效儲層物性下限確定的方法。圖6為不同巖石物理相測井解釋與核磁共振解釋的物性下限對比。

圖6 基于巖石物理相的測井解釋與核磁共振解釋物性下限對比

由圖6可知，利用巖石物理相分類建模方法確定的儲層物性下限與核磁共振物性下限基本吻合。表5為致密儲層有效性評價(jià)分析表，其中A、B為有效儲層，而C為干層。

表5 致密儲層有效性評價(jià)分析表

3 實(shí)際資料處理結(jié)果分析

應(yīng)用本文研究方法對目標(biāo)區(qū)塊X井進(jìn)行綜合解釋（見圖7）。其中，目標(biāo)層段為3 785.0 ～3 829.0 m，層厚度為44 m。3 790.0 ～3 797.8 m層段，自然伽馬顯示為較低值，自然電位無明顯幅度差，深、淺側(cè)向電阻率為中高值，補(bǔ)償密度值較低，聲波時(shí)差顯示為中值。利用卷積神經(jīng)網(wǎng)絡(luò)模型預(yù)測為細(xì)砂巖地層，與巖心測試分析及錄井剖面基本吻合。3 807.0 ～3 824.0 m與3 790.0 ～3 979.8 m層段的測井響應(yīng)特征比較相似，巖性預(yù)測為粉砂巖，預(yù)測結(jié)果與錄井剖面保持一致。孔隙度約9.7%～12.9%，滲透率約（2.8 ～8.7）×10–3μm2，孔隙結(jié)構(gòu)類型為II類，利用本文建立的致密儲層有效性評價(jià)標(biāo)準(zhǔn)，將該層段判斷為A類儲層，含油級別油斑顯示，初期日產(chǎn)油5.9 t，目前日產(chǎn)油1.6 t，儲層有效性綜合評價(jià)結(jié)果與實(shí)際生產(chǎn)中試油試采結(jié)論基本一致，證明本文針對目標(biāo)區(qū)塊的致密儲層有效性綜合評價(jià)方法具有較好實(shí)用性。

圖7 X井儲層有效性綜合評價(jià)成果圖

4 結(jié) 論

（1）目標(biāo)區(qū)塊巖性多樣，僅憑單條測井曲線的響應(yīng)特征無法對巖性進(jìn)行有效識別，優(yōu)選對儲層巖性響應(yīng)敏感的測井參數(shù)，采用卷積神經(jīng)網(wǎng)絡(luò)模型建立巖性預(yù)測模型，能更加精細(xì)地對地層巖性進(jìn)行劃分，有效地提高了巖性解釋的精度。從處理結(jié)果分析可知，利用卷積神經(jīng)網(wǎng)絡(luò)模型預(yù)測巖性，收斂速度較快、實(shí)時(shí)性好，預(yù)測結(jié)果準(zhǔn)確率高。

（2）致密儲層具有非均質(zhì)性強(qiáng)、巖性多變及孔隙結(jié)構(gòu)復(fù)雜等特點(diǎn)，本文利用巖石物理相分類建模思想，建立了儲層物性參數(shù)測井解釋模型，能有效提高致密儲層物性參數(shù)計(jì)算的準(zhǔn)確度。

（3）基于目標(biāo)區(qū)塊掃描電鏡與鑄體薄片分析，給出了孔隙、喉道定量化評價(jià)方法，結(jié)合壓汞曲線的變化特征，建立了孔隙結(jié)構(gòu)定量化解釋模型。通過試油試采資料分析，利用不同巖石物理相與不同孔隙結(jié)構(gòu)類型的對應(yīng)關(guān)系，建立了致密儲層有效性綜合評價(jià)方法，實(shí)際資料處理結(jié)果表明應(yīng)用效果較好。