李寧，王波，邢艷娟，張建民，潘保芝

(1.中石化華東石油工程有限公司測(cè)井分公司，江蘇 揚(yáng)州 225007;2.大慶鉆探工程公司測(cè)井公司，吉林 松原 138001;3.吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林 長(zhǎng)春 130000)

0 引言

通常，同一沉積環(huán)境下中高孔隙度高滲透率儲(chǔ)集層巖性、顆粒大小、膠結(jié)物、膠結(jié)程度和孔喉的配比情況等具有基本一致規(guī)律，導(dǎo)電機(jī)理相似，通過巖電實(shí)驗(yàn)可以獲取統(tǒng)一的巖電參數(shù)。但對(duì)于低孔隙度低滲透率儲(chǔ)集層，其孔隙結(jié)構(gòu)的非均質(zhì)性使這一問題變得復(fù)雜。儲(chǔ)集層孔隙結(jié)構(gòu)的非均質(zhì)性常常導(dǎo)致同一儲(chǔ)集層段不同部位的孔—滲關(guān)系以及巖電參數(shù)出現(xiàn)很大差異。因此，必須對(duì)低孔隙度低滲透率儲(chǔ)集層分類，使得每一類儲(chǔ)集層的孔隙結(jié)構(gòu)基本一致，或者說每一類儲(chǔ)集層在巖石物理規(guī)律上相對(duì)一致，使其巖電參數(shù)基本相同，以提高低孔隙度低滲透率儲(chǔ)集層的測(cè)井解釋精度。本文依據(jù)巖樣的毛細(xì)管壓力曲線所反映出的孔喉結(jié)構(gòu)特征，將巖樣劃分為若干類，分類建立孔—滲關(guān)系，提取巖電參數(shù)。采用自組織神經(jīng)網(wǎng)絡(luò)方法建立類別與測(cè)井曲線間的非線性關(guān)系，并實(shí)現(xiàn)對(duì)井中測(cè)井曲線的儲(chǔ)層自動(dòng)類別劃分，分類計(jì)算滲透率等參數(shù)，提高了參數(shù)的精度。

1 儲(chǔ)集層毛細(xì)管壓力曲線與儲(chǔ)層分類

1.1 儲(chǔ)集層毛細(xì)管壓力曲線

大情字井油田位于吉林省乾安縣大情字鄉(xiāng)境內(nèi)，構(gòu)造上位于松遼盆地南部中央坳陷區(qū)長(zhǎng)嶺凹陷中部。長(zhǎng)嶺凹陷北部為乾安次凹陷，南部為黑帝廟次凹陷，大情字井構(gòu)造處于2個(gè)次凹陷之間的相對(duì)隆起部位[1-2]。該地區(qū)目的層為白堊系青山口組，儲(chǔ)集層以低孔隙度低滲透率、薄互層型砂巖為主[3]。

研究區(qū)巖樣數(shù)量較多，非均質(zhì)性強(qiáng)烈。排驅(qū)壓力最低為0.138 MPa，最高為12.816 MPa;中值半徑最小為0.026μm，最大為1.611μm;平均半徑最小為0.026μm，最大為1.868μm。根據(jù)壓汞曲線形態(tài)和排驅(qū)壓力將研究區(qū)巖樣分為4大類[4]。

Ⅰ類:低排驅(qū)壓力-粗喉道型，排驅(qū)壓力從0.208～0.138 MPa，最大孔隙半徑從3.53～5.31μm?？紫逗淼腊霃酱?，這部分巖樣儲(chǔ)集性最好(見圖1)。Ⅱ類:中等排驅(qū)壓力-中喉道型，排驅(qū)壓力從0.482～0.207 MPa，最大孔隙半徑從1.524～3.548μm(見圖2)。Ⅲ類:中等排驅(qū)壓力-細(xì)喉道型，排驅(qū)壓力從2.801～0.482 MPa，最大孔隙半徑從0.262～1.524μm，說明巖石喉道分布集中(見圖3)。Ⅳ類:高排驅(qū)壓力-細(xì)喉道型，排驅(qū)壓力從12.816～2.816 MPa，最大孔隙半徑從0.057～0.216μm，所表現(xiàn)出的孔隙結(jié)構(gòu)類型為孔喉道較細(xì)，連通性差(見圖4)。

綜合進(jìn)汞圖的分類結(jié)果，本文將儲(chǔ)層劃分為4個(gè)級(jí)，即Ⅰ類結(jié)構(gòu)代表1級(jí)儲(chǔ)層，Ⅱ類代表2級(jí)，Ⅲ類代表3級(jí)，Ⅳ類代表4級(jí)。

1.2 儲(chǔ)層品質(zhì)因子與儲(chǔ)層類別的關(guān)系

圖1 Ⅰ類巖樣進(jìn)汞曲線圖

圖2 Ⅱ類巖樣進(jìn)汞曲線圖

圖3 Ⅲ類巖樣進(jìn)汞曲線圖

圖4 Ⅳ類巖樣進(jìn)汞曲線圖

孔隙度反映巖石的儲(chǔ)集空間大小，滲透率反映儲(chǔ)集層孔隙空間的連通性和巖石的滲流能力。在低孔隙度低滲透率儲(chǔ)集層中孔隙結(jié)構(gòu)的復(fù)雜性造成了孔隙度基本相同的儲(chǔ)集層之間滲透率差別很大，在低孔隙度低滲透率儲(chǔ)集層中應(yīng)用孔隙度或滲透率單一參數(shù)對(duì)儲(chǔ)集層進(jìn)行巖石物理分類的方法顯然不適用。兩者組合形成的用以評(píng)價(jià)儲(chǔ)集層品質(zhì)的宏觀參數(shù)，如儲(chǔ)集層品質(zhì)指數(shù)I[5]RQ

式中，IRQ為儲(chǔ)層品質(zhì)指數(shù)，×10-3μm;K為儲(chǔ)層滲透率，×10-3μm2;φ為儲(chǔ)層孔隙度，%。

通過對(duì)不同級(jí)別儲(chǔ)層品質(zhì)指數(shù)IRQ、孔隙度和滲透率進(jìn)行統(tǒng)計(jì)可以發(fā)現(xiàn)，1類儲(chǔ)層的品質(zhì)指數(shù)最高，孔隙度和滲透率最大。由表1對(duì)比可見，不同級(jí)別儲(chǔ)層孔隙度和滲透率沒有明顯的分界線，用IRQ可以較好地劃分級(jí)別。表1列出了不同級(jí)別儲(chǔ)層3種參數(shù)的分布范圍。

表1 儲(chǔ)層類別與儲(chǔ)層參數(shù)分布范圍

1.3 儲(chǔ)層參數(shù)分類評(píng)價(jià)

在上述儲(chǔ)層類別劃分的基礎(chǔ)上，可以分類建立“四性”關(guān)系，如分類建立飽和度公式，分別獲取巖電參數(shù)，分類建立孔隙度與滲透率關(guān)系，分類計(jì)算束縛水飽和度等。

圖5為巖心分析孔隙度滲透率交會(huì)圖?？梢娙绻M(jìn)行儲(chǔ)層分類，建立的孔隙度與滲透率的關(guān)系明顯好于未分類時(shí)建立的關(guān)系(圖5中黑線)。進(jìn)行儲(chǔ)層分類后得到的4個(gè)類別儲(chǔ)層的孔隙度—滲透率擬合關(guān)系式:

1類儲(chǔ)層 y=0.3031×e0.2082x

2類儲(chǔ)層 y=0.0217×e0.2331x

3類儲(chǔ)層 y=0.0092×e0.2871x

4類儲(chǔ)層 y=0.006×e0.2205x

式中，x為孔隙度，%;y為滲透率，×10-3μm2。經(jīng)計(jì)算后，1類儲(chǔ)層相對(duì)誤差36.09%;2類儲(chǔ)層相對(duì)誤差48.94%;3類儲(chǔ)層相對(duì)誤差51.19%;4類儲(chǔ)層相對(duì)誤差45.42%;而未分類前相對(duì)誤差67.96%。計(jì)算的這4個(gè)類別的滲透率相對(duì)誤差均小于未分類時(shí)的相對(duì)誤差。

圖5 儲(chǔ)層分類后孔隙度與滲透率關(guān)系圖

2 神經(jīng)網(wǎng)絡(luò)自動(dòng)劃分儲(chǔ)層類別

完全依賴實(shí)驗(yàn)室?guī)r樣壓汞曲線確定儲(chǔ)層分類受到巖樣數(shù)量的限制。本文將分類樣品所對(duì)應(yīng)的測(cè)井?dāng)?shù)據(jù)作為樣本，通過自組織神經(jīng)網(wǎng)絡(luò)建立測(cè)井讀數(shù)與類別的非線性關(guān)系，并用來基于各井的測(cè)井?dāng)?shù)據(jù)預(yù)測(cè)儲(chǔ)層類型(見表2)。

自組織神經(jīng)網(wǎng)絡(luò)可以對(duì)外界未知環(huán)境(或樣本空間)進(jìn)行模擬和學(xué)習(xí)，并對(duì)自身的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)做出適當(dāng)?shù)恼{(diào)整[6]。利用該網(wǎng)絡(luò)識(shí)別預(yù)測(cè)儲(chǔ)層級(jí)別時(shí)，將壓汞曲線分類后的測(cè)井?dāng)?shù)據(jù)作為輸入層，對(duì)應(yīng)級(jí)別作為輸出，從而建立儲(chǔ)層類別與測(cè)井間的關(guān)系。

表2 測(cè)井讀數(shù)與儲(chǔ)層類別部分樣本示例

所選擇樣本的優(yōu)劣很大程度上決定了神經(jīng)網(wǎng)絡(luò)的應(yīng)用效果。首先將巖樣深度歸位，根據(jù)各曲線反映孔隙結(jié)構(gòu)特征的信息優(yōu)選出自然伽馬、深側(cè)向、淺側(cè)向、補(bǔ)償密度和補(bǔ)償聲波等5條曲線作為自組織神經(jīng)網(wǎng)絡(luò)的輸入，儲(chǔ)層類別作為輸出。訓(xùn)練后利用該網(wǎng)絡(luò)對(duì)各口井儲(chǔ)層類別進(jìn)行預(yù)測(cè)。

神經(jīng)網(wǎng)絡(luò)參數(shù)選取:競(jìng)爭(zhēng)層為20×20;迭代次數(shù)1500次，學(xué)習(xí)速率0.9。對(duì)56個(gè)樣本回判的正確率為96.4%。將上述樣本隨機(jī)抽取出8個(gè)作為驗(yàn)證數(shù)據(jù)，用剩余的48個(gè)數(shù)據(jù)作為樣本，重新訓(xùn)練后，8個(gè)預(yù)測(cè)樣本的準(zhǔn)確率為87.5%(見表3)，說明基于測(cè)井曲線識(shí)別儲(chǔ)層分類是可行的。

表3 樣本回判結(jié)果

3 應(yīng)用效果

依據(jù)訓(xùn)練的自組織神經(jīng)網(wǎng)絡(luò)，在研究區(qū)的井中進(jìn)行應(yīng)用，判別儲(chǔ)層的類別，依據(jù)計(jì)算孔隙度分類計(jì)算滲透率。圖6為某井儲(chǔ)層類別識(shí)別與滲透率計(jì)算實(shí)際效果。3710～3720 m層段神經(jīng)網(wǎng)絡(luò)判斷為2類儲(chǔ)層，根據(jù)巖心分析孔隙度和滲透率的數(shù)值可知在2類儲(chǔ)層范圍內(nèi)，計(jì)算IRQ范圍大概為7～16，同前述2類儲(chǔ)層IRQ范圍也較為吻合。3730～3740 m層段神經(jīng)網(wǎng)絡(luò)判斷為1類儲(chǔ)層，根據(jù)巖心分析孔隙度和滲透率的數(shù)值可知在1類儲(chǔ)層范圍內(nèi)，計(jì)算IRQ范圍大概為17.5～20，同前述1類儲(chǔ)層IRQ＞18范圍也較為吻合。

表4為儲(chǔ)層分類識(shí)別以及分類計(jì)算滲透率結(jié)果，可見通過神經(jīng)網(wǎng)絡(luò)方法所識(shí)別儲(chǔ)層類別，與巖心分析結(jié)果一致性較好。依據(jù)不同級(jí)別儲(chǔ)層的孔隙度滲透率關(guān)系，計(jì)算的滲透率與巖心分析滲透率平均相對(duì)誤差為28%，未分類計(jì)算滲透率平均誤差為78%。

表4 儲(chǔ)層分類識(shí)別及滲透率計(jì)算結(jié)果

采用本文方法計(jì)算滲透率，由于在不同類別儲(chǔ)層采用不同的公式，當(dāng)相鄰儲(chǔ)層類別差異較大時(shí)，計(jì)算滲透率曲線會(huì)出現(xiàn)臺(tái)階(見圖6中，3類儲(chǔ)層和1類儲(chǔ)層相接處)，這是方法的一個(gè)缺陷，主要出現(xiàn)在界面上。

圖6 XY井儲(chǔ)層類別劃分與分類計(jì)算滲透率成果圖

4 結(jié)論

(1)根據(jù)巖石物性和毛細(xì)管曲線特征，將儲(chǔ)層進(jìn)行分類，能夠?yàn)榛跍y(cè)井?dāng)?shù)據(jù)進(jìn)行儲(chǔ)層分類及其評(píng)價(jià)提供參考依據(jù)與標(biāo)準(zhǔn)。

(2)依據(jù)孔隙結(jié)構(gòu)綜合研究，大情字井地區(qū)儲(chǔ)層屬低孔隙度、低滲透率-特低滲透率儲(chǔ)層。將該層段分為4類儲(chǔ)層:1類儲(chǔ)層最好，屬中等儲(chǔ)層;2類、3類儲(chǔ)層次之，屬較差儲(chǔ)層;4類儲(chǔ)層最差，屬差-特差儲(chǔ)層。

(3)分類后巖樣對(duì)應(yīng)的測(cè)井?dāng)?shù)據(jù)作為樣本，使用自組織神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)儲(chǔ)層分類。分類計(jì)算滲透率精度明顯高于未分類計(jì)算的滲透率。

(4)采用本文方法計(jì)算滲透率，當(dāng)相鄰儲(chǔ)層級(jí)別差異較大時(shí)，在界面上計(jì)算滲透率曲線會(huì)出現(xiàn)臺(tái)階，需要進(jìn)行改進(jìn)。

[1]陳桂菊，張為民，宋新民，等.吉林大情字井油田油氣富集規(guī)律分析[J].斷塊油氣田，2005，12(6):1-3.

[2]張大偉，鄧祖佑.吉林油田大情字井地區(qū)青山口組三段沉積微相特征[J].內(nèi)蒙古石油化工，2006(10):107-108.

[3]魏兆勝，宋新民，唐振興，等.大情字井地區(qū)上白堊統(tǒng)青山口組沉積相與巖性油藏[J].石油勘探與開發(fā)，2007，34(1):28-33.

[4]藺景龍，聶晶，于春生.基于BP神經(jīng)網(wǎng)絡(luò)的儲(chǔ)層微孔隙結(jié)構(gòu)類型預(yù)測(cè)[J].測(cè)井技術(shù)，2009，33(4):355-359.

[5]張龍海，劉忠華，周燦燦，等.低孔低滲儲(chǔ)集層巖石物理分類方法的討論[J].石油勘探與開發(fā)，2008，36(5):763-768.

[6]覃光華.人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用[D].成都:四川大學(xué)，2003.