劉曉敏

（中國石油化工股份有限公司中原油田分公司科技部，河南 濮陽457001）

0 引 言

普光礁灘相碳酸鹽巖儲層與常規(guī)裂縫性碳酸鹽儲層相比，具有厚度大、孔隙發(fā)育等特點；儲層儲集空間以孔隙為主，局部發(fā)育裂縫；裂縫在常規(guī)測井曲線上響應特征非常弱小，裂縫識別非常困難［1］。近年來，針對裂縫性儲層的裂縫識別的研究較多［2－3］，但針對礁灘相儲層的裂縫研究才起步。靳秀菊等［4］針對普光氣田的礁灘相儲層的裂縫識別，對不同類型儲層采用不同的裂縫識別方法。采用測井交會圖版法識別致密巖性段裂縫，采用測井濾波差值法識別孔隙發(fā)育段裂縫。裂縫識別受儲集類型的影響較大，它直接關(guān)系到裂縫儲層的評價。在礁灘相碳酸鹽巖儲層裂縫識別以及精細解釋過程中，如果按儲集類型選擇不同的裂縫識別方法建立礁灘相碳酸鹽巖儲層相應的解釋模型，裂縫識別率以及儲層解釋精度有望提高，但這需要首先識別儲層的儲集類型［5－6］。

根據(jù)孔洞和裂縫的發(fā)育情況及其在儲集和滲濾中所起的作用，將川東地區(qū)礁灘相碳酸鹽巖儲層類型劃分為孔洞型、縫洞型（裂縫－孔洞型）、裂縫型與致密型等4種類型。利用常規(guī)測井資料，借助數(shù)學方法建立用常規(guī)測井資料識別儲層儲集類型的模型，實現(xiàn)用常規(guī)測井資料識別礁灘相碳酸鹽巖儲集類型。

1 礁灘相碳酸鹽巖儲層類型

川東地區(qū)礁灘相碳酸鹽巖儲層孔洞型、縫洞型（裂縫－孔洞型）、裂縫型與致密型等4種類型中以孔洞型和縫洞型為主要儲集類型。

（1）孔洞型。溶蝕孔、洞是其主要的儲集空間，這類儲層一般是原生孔隙發(fā)育的層段經(jīng)過溶蝕改造形成，裂縫欠發(fā)育；通常儲集性能較好，但滲流能力較差。

（2）裂縫型。一般巖石基質(zhì)物性較差，原生孔隙和次生孔洞均不發(fā)育，是以裂縫為其主要儲集空間和連通渠道，通常儲集性能較差，滲流性能好。

（3）縫洞型?？p洞型是孔洞型儲層和裂縫型儲層的較好組合，孔洞是其主要的儲集空間，裂縫既作為儲集空間，又作為重要的連通渠道。相比單一孔洞型或單一裂縫型儲層，孔洞和裂縫共存大大提高了地層的儲集、滲流能力。

（4）致密型。礁灘相碳酸鹽巖地層中的致密層段為低孔隙度低滲透率，且?guī)r石骨架不具導電性，通常儲集性能與滲流性能較差。

2 不同類型儲層常規(guī)測井特征敏感性分析

利用巖心資料與測井資料，按照不同儲層類型，采用統(tǒng)計分析方法統(tǒng)計不同儲層類型測井特征的均值，利用柱狀圖進行儲層類型與測井特征敏感性分析。

圖1為某井不同類型儲層聲波平均值柱狀圖。由圖1可見，孔洞層和縫洞層聲波（AC）值明顯要大于致密層和裂縫層的聲波值。其中縫洞層的聲波值最大，致密層的聲波值最小。致密層和裂縫層相對小于孔洞層和縫洞層，因為孔洞層中存在大量的孔洞，縫洞層存在孔洞與裂縫，聲波在傳播的過程中受孔洞及裂縫的影響，傳播距離大大增加，導致所測得聲波值大于致密層和裂縫層的聲波值；對于致密層和裂縫層，裂縫層中有縫的存在，當遇到低角度裂縫時聲波傳播的距離也增大，致使裂縫層聲波值相對于致密層中聲波值有所增大。

圖1 某井不同類型儲層聲波平均值柱狀圖

圖2為某井不同類型儲層密度平均值柱狀圖。由圖2可見，孔洞層和縫洞層的密度（DEN）值小于致密層和裂縫層的密度值，其中以致密層的最大，為2.805g／cm3，以縫洞層的最小，為2.64g／cm3。孔洞層和縫洞層相對小于致密層和裂縫層是由于有大量的裂縫及孔洞存在，密度測井儀貼著井壁測量遇到大量孔洞及裂縫時密度值就會急速下降。

圖2 某井不同類型儲層密度平均值柱狀圖

圖3為某井不同類型儲層深側(cè)向電阻率平均值柱狀圖。由圖3可見，致密層的深側(cè)向電阻率最大，比其他3種類型都大出3～7倍，其中以縫洞層的深側(cè)向電阻率最小，為2 725.828Ω·m?？锥磳?、裂縫層及縫洞層中有大量裂縫及孔洞，有填充或者沒填充，填充物是高電阻率物質(zhì)，就會導致孔洞層、裂縫層及縫洞層深電阻率值相應增加，增加幅較??；相反，如果未填充或者泥漿侵入就會導致深側(cè)向電阻率降低，降低幅度與未填充孔洞發(fā)育情況有關(guān)，較大的溶洞降低的幅度較大，反之亦然。

圖3 某井不同類型儲層深側(cè)向電阻率平均值柱狀圖

圖4為某井不同類型儲層淺側(cè)向電阻率平均值柱狀圖。由圖4可見，致密層的淺側(cè)向電阻率最大，縫洞層的淺側(cè)向電阻率最小，兩者相差近4倍，不同類型儲層的淺側(cè)向電阻率的柱狀圖規(guī)律與不同類型儲層的深側(cè)向電阻率一致。受孔洞裂縫影響，淺側(cè)向電阻率降低。

圖4 某井不同類型儲層淺側(cè)向電阻率平均值柱狀圖

圖5為某井不同類型儲層補償中子平均值柱狀圖。由圖5可見，裂縫層和致密層的補償中子比孔洞層和縫洞層補償中子值小，以縫洞層的補償中子值為最大，致密層的補償中子值為最小?？锥磳雍涂p洞層中由于大量孔洞，填充物及泥漿侵入，導致補償中子值增大，增大幅度大小與填充物有關(guān)；裂縫層相對于致密層、裂縫層中有泥漿侵入或者填充物充填導致裂縫中補償中子值大于致密層的補償中子值。

圖5 某井不同類型儲層補償中子平均值柱狀圖

3 礁灘相碳酸鹽巖儲層分類

3.1 方法原理

利用支持向量機方法進行儲層分類的基本原理，每個樣本（1個采樣點）具有1組特征向量（1組測井特征），同一種儲層類型的樣本在高維特征空間中聚集在一起，通過樣本集的訓練，在高維特征空間中尋找各儲層之間的最優(yōu)分類面。確定未知的樣本的儲層類型就是依據(jù)最優(yōu)分類面確定樣本的儲層類型，即樣本在高維特征空間的位置。該方法輸入的是各樣本的特征向量，輸出為各樣本預測的儲層類型（基本結(jié)構(gòu)見圖6）。

圖6 支持向量機方法示意圖

3.2 儲層分類

采用監(jiān)督支持向量機方法進行儲層分類。具體包括樣本選擇、核函數(shù)及模型參數(shù)確定、測井特征歸一化、采用監(jiān)督訓練建立基于支持向量機方法的多特征融合判別函數(shù)、根據(jù)建立的多特征融合判別函數(shù)對實際資料進行儲層分類。

3.2.1 樣本的選取

樣本首先應來源于已知。在一個地區(qū)，大量井裂縫分析的情況下不可能選用所有樣本。因為這不僅會增加訓練的工作量，而且在復雜的地質(zhì)條件下，同類樣本的特征也變化較大，那些“壞”的樣本將攪亂該類分布的總體布局，甚至影響儲層之間的最優(yōu)分類面。因此，如何從大量已知樣本中挑選出最能反映該類儲層特征，并能與其他類儲層較好區(qū)分開的學習樣本并不是一項容易的事。它不僅需要作大量、細致的分析工作，而且需要對這些特征加以提煉或歸納。當然，專家的經(jīng)驗是非常重要的。

在選擇訓練樣本方面，由于裂縫在不同井之間特征存在差異，無法利用監(jiān)督分類方法對鄰近井進行預測。采用非監(jiān)督方法得到該井的分類結(jié)果，結(jié)合利用儲層類型的測井特征敏感性分析，采用人工選擇樣本的方式進行樣本的選取。

3.2.2 特征參數(shù)歸一化

選用密度DEN、深側(cè)向電阻率RLLd、淺側(cè)向電阻率RLLs、中子CNL、RLLd／RLLs、RLLd－RLLs、（RLLd－RLLs）／RLLd、有效孔隙度φ、次生孔隙度φ2、總孔隙度φt等10種常規(guī)測井特征。為了避免各特征量綱差異對預測結(jié)果造成影響，對學習樣本的特征值進行歸一化處理，將每一組特征歸一到［－1，1］中。

對深、淺側(cè)向電阻率進行對數(shù)歸一化

式中，x、xmax、xmin分別為原始的測井特征值、測井最大特征值和最小特征值；y為進行對數(shù)歸一化后的特征值。

3.2.3 核函數(shù)和懲罰因子C的選擇

支持向量機方法最終目的是尋找一個合適的分類函數(shù)對未知樣本進行預測。分類函數(shù)的確定主要是對核函數(shù)的選擇和懲罰因子C的確定，這2個參數(shù)對模型的精度和適用性具有很大的影響。最常用的核函數(shù)有線性核、多項式核、高斯核。一般情況下，選用高斯核作為支持向量機方法的核函數(shù)

式中，σ為高斯分布的寬度；C的取值為1 000。

3.2.4 儲層分類

通過樣本、特征歸一化、核函數(shù)的選擇，利用訓練樣本集對支持向量機進行訓練，得到基于支持向量機方法多特征融合的儲層分類的判別函數(shù)

式中，xi、x分別為支持向量樣本與預測樣本的特征向量（常規(guī)測井特征值）；yi、y分別為支持向量樣本與預測樣本的輸出（儲層類型）；K（xi，x）為核函數(shù)。

試驗規(guī)定判別函數(shù)輸出與儲層類型對應關(guān)系：1為孔洞，2為裂縫，3為致密層，4為縫洞。

3.3 模型參數(shù)確定

為了確定基于支持向量機儲層分類方法的模型參數(shù)，采用交叉驗證試驗方法進行不同模型參數(shù)對比試驗。將整個樣本集分為3個等份，其中的2份樣本進行訓練，對剩下的1份樣本進行測試。

選用密度DEN、深側(cè)向電阻率RLLd、淺側(cè)向電阻率RLLs、中子CNL、RLLd／RLLs、RLLd－RLLs、（RLLd－RLLs）／RLLd、有效孔隙度φ、次生孔隙度φ2、總孔隙度φt等10種常規(guī)測井特征作為儲層分類的特征，得到的不同參數(shù)儲層分類的正確率如表1所示。從表1可見，不同核函數(shù)參數(shù)對儲層類型識別率有一定的影響。考慮4種儲層類型的識別正確率，最好的核函數(shù)參數(shù)為0.5。

表1 普光某井不同模型參數(shù)的儲層類型識別正確率

3.4 實例分析

3.4.1 單井非監(jiān)督分類

采用非監(jiān)督分類的模糊C均值方法對普光A井、普光B井、普光C井及普光D井4口取心井進行了儲層類型分類，分類結(jié)果見表2。由表2可見，4種儲層類型識別正確率在50%左右，其中普光D井裂縫識別率達到85.9%。因此，單井模糊C均值方法分類結(jié)果不能作為最終的分類結(jié)果，但可以作為人工選擇樣本時的重要參考。

表2 非監(jiān)督分類方法的儲層類型識別正確率

3.4.2 人工選擇樣本監(jiān)督分類

采用人工選擇樣本的方式進行樣本的選取。通過人工選擇的樣本，基于多特征融合的支持向量機對樣本進行訓練，得到儲層類型的預測模型，利用該預測模型對未知樣本進行儲層類型預測。

表3為人工選擇訓練樣本通過支持向量機方法對普光A井、普光B井、普光C井及普光D井4口取心井進行預測的結(jié)果。4種儲層類型的識別正確率在80%左右，實驗取得了較好的效果。

表3 人工選擇樣本的儲層分類正確率

圖7為普光某井預測的儲層類型。從圖7可見，第6道使用該方法預測的儲層類型與第5道的電成像圖像中反映的儲層儲集類型一致。

圖7 普光某井預測的儲層類型

4 結(jié) 論

（1）儲層類型分類以及按照儲集類型選擇不同的裂縫識別方法，建立礁灘相碳酸鹽巖儲層解釋模型，有望提高裂縫識別率以及儲層解釋精度。

（2）利用常規(guī)測井以及變換特征，借助數(shù)學方法建立用常規(guī)測井資料識別儲層儲集類型的模型，可實現(xiàn)用常規(guī)測井資料識別礁灘相碳酸鹽巖儲集類型。

［1］ 李淑榮，朱留方，李國雄.川東北海相碳酸鹽巖儲層測井評價技術(shù) ［J］.測井技術(shù)，2008，32（4）：337－341.

［2］ 范曉麗，蘇培東，閆豐明.儲層裂縫的研究內(nèi)容及方法 ［J］.斷塊油氣田，2009，16（7）：40－42.

［3］ 培東.儲層裂縫預測研究現(xiàn)狀與展望 ［J］.西南石油學院學報，2005，27（5）：56－59.

［4］ 靳秀菊，王壽平，畢建霞.礁灘相儲層裂縫識別方法研究 ［J］.斷塊油氣田，2011，18（2）：165－168.

［5］ 羅利，任興國.測井識別碳酸鹽巖儲集類型 ［J］.測井技術(shù)，1999，23（5）：355－360.

［6］ 陳芳，李淑榮，袁衛(wèi)國.利用FMI成像測井資料綜合評價川東北多相帶碳酸鹽巖儲層 ［J］.測井技術(shù)，2010，34（4）：343－347.