周金昱，郭浩鵬，張少華 （中石油長慶油田分公司勘探開發(fā)研究院，陜西 西安 710018）

肖亮 （中國地質大學 （北京）地球物理與信息技術學院，北京 100083）

火山巖巖性復雜，其礦物成分不僅包括石英、長石，還包括角閃石、橄欖石、輝石、云母等礦物；從化學成分上看，以SiO2、Al2O3、Fe2O3、MgO、CaO、K2O、Na2O、H2O等氧化物為主，這些氧化物在各類火山巖中或多或少均有出現(xiàn)；從巖石結構上看，有火山碎屑巖、火山熔巖、火山碎屑熔巖[1～5]。即使是同一種巖性的火山巖，由于其礦物成分含量有差異，加之孔隙結構、流體性質等不同，在測井響應上會有較大的變化范圍，給測井資料識別火山巖巖性帶來困難[6～13]。

巖性識別是火山巖油氣藏測井精細評價的基礎[14]。松遼盆地深層鉆遇了多期次火山巖地層，該區(qū)以酸性火山巖為主，也有部分中性和基性巖。針對測井識別火山巖巖性困難的情況，筆者在火山巖巖石學特征研究的基礎上，分析、總結了松遼盆地火山巖測井響應規(guī)律，建立了松遼盆地火山巖巖性測井識別方法。

1 火山巖巖石學特征及測井響應規(guī)律

火山巖各種氧化物之間存在著內在關系，具有一定的規(guī)律性[14，15]，如圖1所示。由圖1可知，從基性巖、中性巖到酸性巖，隨著SiO2（密度2.65g/cm3）體積分數(shù)的增加，MgO （密度3.58g/cm3）和FeO（密度5.70g/cm3）體積分數(shù)逐漸減少；而CaO （密度3.35g/cm3）和 Al2O3（密度3.97g/cm3）體積分數(shù)先升后降，當SiO2體積分數(shù)在45%～50%之間時達到峰值，SiO2體積分數(shù)大于50%時呈明顯下降趨勢；而密度相對較小的氧化物Na2O（密度2.27g/cm3）和 K2O （密度2.32g/cm3）體積分數(shù)則隨著SiO2體積分數(shù)的增加而增加。因此可以推斷，對于火山巖，若不考慮其孔隙度、流體性質等因素的變化，從基性巖、中性巖到酸性巖，巖石密度將整體上呈減小的趨勢。以此為指導，分析了松遼盆地密度測井響應特征 （圖2（a）），并結合準噶爾盆地火山巖資料[14]（圖2（b）），總結了松遼盆地火山巖測井響應規(guī)律為：從基性巖、中性巖到酸性巖，密度測井響應逐漸減小。

圖1 火山巖SiO2與其他氧化物體積分數(shù)關系（據文獻 [14]、[15]）

圖2 松遼盆地火山巖密度測井響應柱狀圖

巖石的天然放射性是由巖石中放射性同位素 （238U、232Th、40K）引起的，放射性同位素含量越高，其放射性強度越大[16，17]。準噶爾盆地對不同巖性火山巖樣品進行了鈾、釷、鉀放射性同位素含量的測定 （圖3（a）），試驗結果表明，從基性巖、中性巖到酸性巖，鉀的質量分數(shù)w（K）和釷、鈾的質量濃度ρ（Th）、ρ（U）均增加，巖石放射性增加[14]。筆者針對松遼盆地不同巖性火山巖進行了放射性測井響應特征分析，利用自然伽馬能譜測井資料繪制測井響應柱狀圖 （圖3（b）），其變化規(guī)律與準噶爾盆地試驗結果一致。

圖3 松遼盆地火山巖天然放射性統(tǒng)計圖

利用相似的方法對松遼盆地火山巖的電學、聲學等特性和相應的測井響應規(guī)律進行了研究，最終得到了對火山巖巖性敏感的測井參數(shù)，主要包括：自然伽馬 （qAPI）、ρ（U）、ρ（Th）、w（K）、密度 （ρ）、補償中子孔隙度 （nc）、泊松比 （ν）、聲波時差 （Δt）與ρ計算的參數(shù)M、nc與ρ計算的參數(shù)N[16]。

2 巖性識別方法

由于常規(guī)測井主要反映巖石化學成分，對巖石結構識別能力較差[14，15]，為了利用常規(guī)測井劃分巖性，按照化學成分將研究區(qū)火山巖分為玄武巖類、粗面巖類、安山巖類、流紋巖類共4大類。同一巖類巖石化學成分接近，但巖石結構可能不同。

2.1 交會圖法

測井交會圖法是識別火山巖巖性直觀而且有效的方法。兩種測井參數(shù)在平面上交會，根據交會點的坐標定出所求巖類的數(shù)值和范圍[16，17]。在交會圖上能夠直觀地得到各種巖性的分布區(qū)域及巖性之間的分界，從而得到巖性識別圖版。對研究區(qū)錄井、測井、巖心等資料進行分析，讀取10口探井巖性確定段的測井響應值，利用對巖性敏感的測井參數(shù)，兩兩作交會圖。在得到的所有交會圖版中，qAPI－ρ（Th）交會圖版 （圖4（a））識別效果最好，識別準確率達93.0%；但研究區(qū)部分井未進行自然伽馬能譜測井，這種情況下可采用qAPI－ρ交會圖版 （圖4（b）），識別準確率為87.3%。

圖4 松遼盆地火山巖巖性識別圖版

2.2 支持向量機技術

利用研究區(qū)薄片鑒定資料檢驗交會圖版對未知巖性的預測能力，97條薄片鑒定數(shù)據中，有76條被正確地識別到所屬巖類，識別準確率為78.4%。為了提高在沒有自然伽馬能譜測井資料時巖性識別的準確率，引入了支持向量機技術建立巖性識別模型。

支持向量機是建立在統(tǒng)計學習VC維 （Vapnik－Chervonenkis dimension）理論和結構風險最小化原則基礎上的數(shù)據挖掘技術，它以訓練誤差作為優(yōu)化問題的約束條件，以置信范圍最小化為優(yōu)化目標構造函數(shù)，并將函數(shù)轉化為二次規(guī)劃凸優(yōu)化問題來求解，保證解的唯一性和全局最優(yōu)性。它的基本思想是在線性可分的數(shù)據中尋找最大邊緣超平面，使其不僅能正確分開二元樣本，而且泛化誤差最小。在非線性情況下，對數(shù)據進行坐標空間變換，將非線性問題轉換為高維空間的線性問題，在高維空間中尋找最大邊緣超平面[18～20]。

以研究區(qū)10口井416條數(shù)據 （與交會圖數(shù)據相同）為訓練集，其中玄武巖類94條，粗面巖類43條，安山巖類85條，流紋巖類194條。同樣以研究區(qū)薄片鑒定資料為測試集，測試集共97條，其中玄武巖23條，粗面巖15條，安山巖7條，流紋巖52條。訓練集和測試集的屬性為：qAPI、nc、ρ、深側向電阻率 （ρlld）、M、N。利用訓練集建立支持向量機巖性識別模型，采用RBF（radial basis function）核函數(shù)，由于模型參數(shù)中懲罰因子C和核函數(shù)參數(shù)γ是影響模型精度的關鍵參數(shù)，利用Weka軟件提供的網格搜索工具對參數(shù)尋優(yōu)，得到最優(yōu)參數(shù)C＝256，γ＝power（2，－15）。訓練集416條數(shù)據中，369條被模型正確識別出巖性，模型精度為88.7%。將支持向量機模型應用于測試集，效果如表1所示。分析可知支持向量機模型精度 （88.7%）比常規(guī)交會圖法精度 （87.3%）略高；而其推廣能力遠好于常規(guī)交會圖法，其對測試集的識別準確率85.6%，而常規(guī)交會圖法只有78.4%。因此，可將支持向量機模型作為研究區(qū)巖性識別的工具。

表1 支持向量機模型在測試集上的應用效果

3 實際應用效果

將支持向量機模型應用于研究區(qū)實際井資料的處理。圖5為支持向量機模型對松遼盆地CY4井火山巖巖性識別成果圖。將模型識別結果與該井巖石薄片鑒定結論進行對比，只有在深度點為4221.50m時識別錯誤，該深度點巖石薄片鑒定結論為 “粗面質角礫巖”，模型識別結果為 “安山巖類”，該點的測井響應可能是受到了下部安山巖地層的影響，導致了識別錯誤。其他點模型識別結果均與巖石薄片鑒定結論相符，均識別正確，精確度為87.5%，顯示了支持向量機模型良好的應用效果。

圖5 CY4井巖性識別結果與巖石薄片鑒定結論對比圖

4 結論

1）通過對火山巖巖石學特征及測井響應規(guī)律的研究，得到對火山巖巖性敏感的參數(shù)，包括qAPI、ρ（U）、ρ（Th）、w（K）、ρ、nc、ν等。該認識具有一定的普遍意義。

2）利用對巖性敏感的測試參數(shù)兩兩作交會圖建立巖性識別圖版，qAPI－ρ（Th）交會圖和qAPI－ρ交會圖識別效果較好。

3）利用支持向量機技術建立巖性識別模型，并用網格搜索法優(yōu)化模型參數(shù)，得到最優(yōu)模型的精度及預測能力均好于交會圖版法。將支持向量機模型應用于實際井資料的處理，處理結果與薄片鑒定資料對比，驗證了該模型的可用性。研究方法對解決同類地質問題有一定的借鑒和指導意義。

[1]王璞君，馮志強，劉萬洙，等 .盆地火山巖：巖性·巖相·儲層·氣藏·勘探 [M].北京：科學出版社，2008.

[2]羅靜蘭，邵紅梅，張成立 .火山巖油氣藏研究方法與勘探技術綜述 [J].石油學報，2003，24（1）：31～38.

[3]黃薇，邵紅梅，趙海玲，等 .松遼盆地北部徐深氣田營城組火山巖儲層特征 [J].石油學報，2006，27（增刊）：47～51.

[4]李軍，薛培華，張愛卿，等 .準噶爾盆地西北緣中段石炭系火山巖油藏儲層特征及其控制因素 [J].石油學報，2008，29（3）：329～335.

[5]羅靜蘭，林潼，楊知盛，等 .松遼盆地升平氣田營城組火山巖巖相及其儲集性能控制因素分析 [J].石油與天然氣地質，2008，29（6）：748～757.

[6]楊申谷，劉笑翠，胡志華，等 .儲層分析中火山巖巖性的測井識別 [J].石油天然氣學報 （江漢石油學院學報），2007，29（6）：33～37.

[7]楊申谷，吳紅珍 .大洼油田中、新生界火山巖的測井識別方法 [J].江漢石油學院學報，2003，25（2）：58～59.

[8]潘保芝，閆桂京，吳海波 .對應分析確定松遼盆地北部深層火山巖巖性 [J].大慶石油地質與開發(fā)，2003，22（1）：7～9.

[9]潘保芝，李舟波，付有升，等 .測井資料在松遼盆地火成巖巖性識別和儲層評價中的應用 [J].石油物探，2009，48（1）：48～52.

[10]楊明和，翟應虎，韓福彬 .模糊概率理論在徐家圍子深層火山巖巖性識別中的應用 [J].石油地球物理勘探，2007，42（2）：190～193.

[11]范宜仁，黃隆基，代詩華 .交會圖技術在火成巖巖性和裂縫識別中的應用 [J].測井技術，1999，23（1）：53～56.

[12]郭振彬，王秉剛 .應用測井資料鑒別二連盆地火成巖巖石類型 [J].地球物理測井，1990，14（2）：75～82.

[13]王玉娟，閆磊，張曉明，等 .松遼盆地東嶺地區(qū)深層火成巖測井特征與巖性識別 [J].吉林大學學報，2007，37（增刊）：147～150.

[14]中國石油勘探與生產分公司 .火山巖氣藏測井評價技術及應用 [M].北京：石油工業(yè)出版社，2009.

[15]李寧，陶宏根，劉傳平，等 .酸性火山巖測井解釋理論、方法與應用 [M].北京：石油工業(yè)出版社，2009.

[16]洪有密 .測井原理和綜合解釋 [M].東營：石油大學出版社，1993.

[17]孫建孟，王永剛 .地球物理資料綜合解釋 [M].北京：石油大學出版社，2001.

[18]Witten I H，F(xiàn)rank E.Data mining：practical machine learning tools and techniques[M].董琳，等譯 .北京：機械工業(yè)出版社，2006.

[19]Groth R.Data mining：building competitive advantage[M].侯迪，等譯 .西安：西安交通大學出版社，2001.

[20]Vapnik V N.The nature of statistical learning theory [M].New York：Springer－Verlag，1995.