蔣阿明，陳同飛，張 菲，陸梅娟

(中國石化江蘇油田分公司勘探開發(fā)研究院，江蘇 揚(yáng)州 225009)

GJ地區(qū)阜二段灘壩砂體薄油層識別

蔣阿明，陳同飛，張 菲，陸梅娟

(中國石化江蘇油田分公司勘探開發(fā)研究院，江蘇 揚(yáng)州 225009)

利用巖心和測井資料對GJ地區(qū)沉積相進(jìn)行了深入分析，阜二段油層主要劃分出壩砂和灘砂兩類微相。針對壩砂、灘砂的不同沉積和測井響應(yīng)特點(diǎn)，分別建立了油層、水層和干層的精細(xì)識別模型。結(jié)合油藏類型和油水分布特征，采用常規(guī)的短電極測井多參數(shù)圖版劃分有效儲層，進(jìn)而識別薄油層，并將神經(jīng)網(wǎng)絡(luò)法應(yīng)用于薄油層識別。多種識別方法相互驗(yàn)證，提高了油層的識別精度，在老油田深度挖潛中取得了明顯的效果。

壩砂灘砂 多參數(shù) 短電極 薄油層識別 阜二段 GJ地區(qū) 江蘇油田

灘壩砂體是陸相斷陷湖盆常見的砂體類型[1-5]。GJ地區(qū)位于蘇北盆地金湖凹陷西部斜坡帶中部[6]，先后發(fā)現(xiàn)了G6、G7等多個主力含油區(qū)塊，阜二段(E1f2)主力含油層系屬于濱淺湖亞相帶，主要發(fā)育灘砂、壩砂兩種微相類型，砂巖厚度為30～50 m，砂巖百分比為30%～40%。砂體在平面上呈現(xiàn)土豆或條狀分布特征。主力層中一些薄層灘砂，由于常規(guī)測井資料解釋的局限性[7-8]，一次解釋均為干層。但近年來通過測井資料的重新分析和認(rèn)識，這些薄砂體儲層經(jīng)有效改造后獲得工業(yè)油流，展現(xiàn)了該地區(qū)良好的勘探開發(fā)深度挖潛前景。

1 沉積微相及展布特征

巖心觀察和測井資料表明，GJ地區(qū)E1f2砂體的微相類型主要為壩砂、灘砂(圖1)。這兩類砂體的頂部或底部常發(fā)育有1～2 m鮞粒層或生物灰?guī)r層，在垂向上總體表現(xiàn)為反韻律粒序[9]。壩砂由于受到波浪和岸流的改造，其碎屑沉積物的粒度較粗，且成分成熟度和結(jié)構(gòu)成熟度也較高。巖性主要有細(xì)砂巖、粉砂巖、泥質(zhì)粉砂巖、粉砂質(zhì)泥巖和泥巖，由于灘壩體系處于高能環(huán)境，所以其中的粉砂巖、細(xì)砂巖十分發(fā)育，且常以大段出現(xiàn)，其厚度一般大于3 m。自然電位曲線形態(tài)以近漏斗形和箱形為主；而灘砂是在較平緩的地形上經(jīng)受湖浪、湖流作用形成的砂體，伴生在砂壩周圍，呈較寬的條狀或席狀分布，厚度相對薄，一般為1～3 m，巖性以粉砂巖為主，一般與淺水泥巖在垂向剖面上呈頻繁互層，其頂?shù)着c深灰色泥巖過渡接觸。在自然電位曲線上多呈指狀、鋸齒形特征。

平面上，壩砂常呈團(tuán)塊狀、條形狀沿湖岸線平行分布，灘砂呈較寬的條狀或席狀廣泛發(fā)育分布在砂壩砂體四周。壩砂分布主要有四個中心：G7與G11斷塊結(jié)合處砂壩呈團(tuán)塊狀，砂巖厚度為15～35.4 m，厚度高值區(qū)位于G7-17、G7-13、G7-14、G7-18、G11-1、G11-13等井區(qū)；G6斷塊壩砂呈不規(guī)則條狀與岸線平行分布，砂巖厚度在15.0～33.1 m之間，以壩砂為主的厚度高值區(qū)分布于中部，厚度大于20 m；G11-17～G14-1～G15-2等井區(qū)連成的壩砂呈與岸線平行的長條狀形態(tài)，主體部位G14-1砂體厚度為39.5 m，G1～G19井區(qū)形成的壩砂呈團(tuán)塊狀，砂巖最厚為38.5 m。

圖1 G14-4井巖心相柱狀圖

2 儲層物性特征

根據(jù)物性資料統(tǒng)計(jì)分析，灘砂儲層孔隙度分布區(qū)間13.1%～17.9%，均值為15.7%，滲透率(2.3～48.4)×10-3μm2，均值22.1×10-3μm2，含油飽和度53.2%～73.6%，均值66.2%，碳酸鹽含量7.7%～15.4%，均值11.6%；而壩砂儲層孔隙度在13.4%～20.7%之間，均值為17.1%，滲透率(8.5～156.6)×10-3μm2，均值53.7×10-3μm2，含油飽和度2.1%～75.6%，均值70.0%，碳酸鹽含量6.6%～13.3%，均值為11.3%(表1)[10]；總體上看，壩砂與灘砂儲層的孔隙度、飽和度和碳酸鹽含量相當(dāng)，但壩砂儲層的滲透率高于灘砂。

表1 GJ地區(qū)E1f2壩砂與灘砂物性分析數(shù)據(jù)

3 油層識別

GJ地區(qū)E1f2壩砂和灘砂兩種砂體由于沉積和儲層特征方面的差異，其在測井響應(yīng)特征方面也存在一定差異。壩砂厚度較大，測井響應(yīng)受圍巖、測井系列等測井條件影響甚微，其測井響應(yīng)值基本能反映地層真實(shí)值。灘砂厚度一般小于1.5 m，因?yàn)閷颖∈芸v向分辨率影響，常規(guī)用于判斷油水層的電阻率(包括感應(yīng)電導(dǎo)率、深感應(yīng)電阻率、6 m底部梯度電阻率)測井響應(yīng)值一般偏低[11]，灘砂薄油層與壩砂水層在電阻率上較難區(qū)分。通過巖心觀察發(fā)現(xiàn)，一些厚度小于1.5 m的儲層，盡管在電性特征上與壩砂油層差異明顯，一次測井解釋往往認(rèn)為是干層，但其含油級別一般都在油浸、油斑以上，說明這類儲層具有較好的含油性。

3.1 “藏—電結(jié)合”綜合識別

一般而言，測井資料中諸如微電極等短電極測井曲線具有較高的縱向分辨率，常用來識別薄儲層，但由于橫向探測深度較淺，而無法反映原狀地層中流體響應(yīng)特征。通過嘗試將其與油藏認(rèn)識結(jié)合起來綜合判別薄油層。分析GJ地區(qū)E1f2油藏特征得出如下結(jié)論：E1f2油藏均為層狀構(gòu)造油藏，僅局部受巖性、物性影響，雖然不具統(tǒng)一油水界面，但油藏充滿程度較高，油井油下水特征明顯，油層段油層集中、連續(xù)，不存在油水間互現(xiàn)象。對于明顯水層以上的儲集層，只存在油層和干層的差異。因此，基于上述認(rèn)識，充分利用短電極測井縱向分辨率高的優(yōu)勢，選擇較能指示滲透性的測井曲線，劃分出薄層滲透性儲層，即識別出薄油層。GJ地區(qū)測井資料時間跨度較長，為了消除井間的系統(tǒng)誤差，需對所選曲線進(jìn)行標(biāo)準(zhǔn)化處理，主要采用比值法進(jìn)行校正。通過對測井資料進(jìn)行篩選，本區(qū)微電極、自然電位以及聲波時差曲線比較齊全，且對薄層滲透性儲層較敏感?；诖罅康娜⌒募霸囉唾Y料，建立多參數(shù)解釋圖版(圖2、3)。

通過建立的微電極幅度差比值—聲波時差—自然電位比值(ΔSP/SSP)曲線三參數(shù)判別圖版，確定出滲透層(油層)電性標(biāo)準(zhǔn)：微電極幅度差比值大于0.25 Ω·m，自然電位比值大于0.2 mv/cm，聲波時差大于235 μs/m。具體劃分有效厚度時，采用最小誤差原則，即三參數(shù)中有兩個滿足電性標(biāo)準(zhǔn)，就可以劃分。該法可彌補(bǔ)層厚對電性的影響，避免了有效儲油層的錯失，提高了薄油層的識別精度。

圖2 微電極幅度差比值與聲波時差關(guān)系

圖3 自然電位比值(ΔSP/SSP)與聲波時差關(guān)系

3.2 “相—電結(jié)合”綜合識別

依據(jù)壩砂和灘砂在測井響應(yīng)值方面的差異，在沉積微相精細(xì)劃分的基礎(chǔ)上，分別建立壩砂與灘砂的測井電性解釋圖版。在反映地層電學(xué)特性的測井信息中，一般深探測電阻率能更好地反映地層真電阻率。GJ地區(qū)測井基本為電導(dǎo)率測井或雙感應(yīng)測井，通過對砂泥巖地層的四性關(guān)系研究，發(fā)現(xiàn)聲波時差對滲透層和非滲透層有較好的反映，而深感應(yīng)電阻率對于判斷油、水層具有直觀性，油、水層深感應(yīng)電阻率差異較明顯。因此，選擇深感應(yīng)電阻率與聲波時差建立交會圖。圖4、圖5分別為壩砂和灘砂沉積微相深感應(yīng)電阻率與聲波時差交會圖版，油層與干層、水層存在明顯的差異分布界限，利用這種分布特征區(qū)分油水層，準(zhǔn)確率較高。壩砂微相砂體試油油層深感應(yīng)電阻率大于11.0 Ω·m，多數(shù)試油水層的深感應(yīng)電阻率為8～11 Ω·m；灘砂微相砂體試油油層深感應(yīng)電阻率大于8.0 Ω·m，小于壩砂微相油層電阻率，其原因主要是灘砂較薄，電阻率曲線受層厚影響偏低。因此，若不分別建立圖版，灘砂微相油層將被解釋為干層或水層，會造成一定規(guī)模油層的識別漏失。

圖4 E1f2壩砂深感應(yīng)電阻率與聲波時差關(guān)系

圖5 E1f2灘砂深感應(yīng)電阻率與聲波時差關(guān)系

綜合上述兩種方法確定了GJ地區(qū)E1f2油藏有效的油、水、干層識別標(biāo)準(zhǔn)(表2)。

表2 GJ地區(qū)E1f2油、水、干層識別標(biāo)準(zhǔn)依據(jù)

3.3神經(jīng)網(wǎng)絡(luò)技術(shù)識別

人工神經(jīng)網(wǎng)絡(luò)技術(shù)是通過工程技術(shù)手段模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的一種技術(shù)[12]，廣泛應(yīng)用于信息處理、模式識別、智能控制等領(lǐng)域，目前在油田的地震儲層橫向預(yù)測、含油氣檢測、儲層性質(zhì)識別等方面應(yīng)用也頗多。采用人工神經(jīng)網(wǎng)絡(luò)BP算法判別油、水、干層[10][13]，其模型采用的是人工神經(jīng)網(wǎng)絡(luò)中的前饋網(wǎng)絡(luò)模型，即BP神經(jīng)網(wǎng)絡(luò)模型(圖6)，具有較強(qiáng)的智能功能，與一般的統(tǒng)計(jì)識別方法相比，其更能解決較復(fù)雜的非線性映射問題，與常規(guī)的測井解釋方法相互驗(yàn)證，預(yù)測精度較高，結(jié)果可靠。

BP網(wǎng)絡(luò)分為3層：輸入層、隱含層和輸出層。輸入層和輸出層的維數(shù)是由問題所直接決定的。上一層的神經(jīng)元只接受下一層神經(jīng)元輸出的信號，同層神經(jīng)元之間沒有反饋。BP算法在于利用輸出層的誤差估計(jì)輸出層直接前導(dǎo)層的誤差，再用這個誤差估計(jì)更前一層的誤差。網(wǎng)絡(luò)的學(xué)習(xí)過程就是不斷調(diào)整神經(jīng)元之間的連接權(quán)，直到輸出值與期望輸出值間的誤差達(dá)到足夠小，從而使輸入層與輸出層之間建立聯(lián)系。網(wǎng)絡(luò)預(yù)測是通過輸入上述建立的輸入層與輸出層之間的關(guān)系，從輸入層輸入一組數(shù)據(jù)，即可在輸出層得到相關(guān)的值。

圖6 BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

實(shí)際工作過程中，選取對GJ地區(qū)油層特征反應(yīng)敏感的微電極幅度差(△Rxo)、微電極幅度差與標(biāo)準(zhǔn)微電極幅度差的比值(△Rxo/△Rxo標(biāo)準(zhǔn))、自然電位幅度差與標(biāo)準(zhǔn)自然電位幅度差的比值(△SP/△SP標(biāo)準(zhǔn))以及自然伽馬與標(biāo)準(zhǔn)自然伽馬的比值(GR/GR標(biāo)準(zhǔn))等8種測井參數(shù)作為解釋的輸入?yún)?shù)，然后將經(jīng)過試油證實(shí)的16口井32層作為學(xué)習(xí)樣本，其中油層26層，水層3層，干層3層。對樣本進(jìn)行訓(xùn)練，通過不斷試算和反復(fù)調(diào)節(jié)隱含層節(jié)點(diǎn)個數(shù)、步長及加速因子，經(jīng)過迭代以后，訓(xùn)練誤差小于0.000 1，精度達(dá)到了誤差要求。這表明所建模型達(dá)到預(yù)測要求，電性與含油性之間的關(guān)系已隱于神經(jīng)元之間的連接權(quán)之中，可以進(jìn)行油水層的識別，預(yù)測結(jié)果與用其他方法得到的認(rèn)識基本一致(表3)。

表3 交會圖版解釋與神經(jīng)網(wǎng)絡(luò)法判別結(jié)果對比

圖7 G20-12井E1f2測井曲線

4 應(yīng)用效果

通過多種油層識別方法的應(yīng)用和相互印證，提高了研究區(qū)油層的識別精度，并有效指導(dǎo)了GJ地區(qū)薄油層的重新認(rèn)識，共補(bǔ)劃有效厚度111層160.3 m，其中27層61.3 m已通過試油證實(shí)，在老油田深度挖潛中取得了明顯的效果。如G20-12井2-7號層測井一次解釋均為干層(圖7)，后期在取得新認(rèn)識的基礎(chǔ)上通過重新精細(xì)解釋，均判別為薄油層，劃分有效厚度0.6～1.2 m，經(jīng)試油并通過壓裂改造，獲得日產(chǎn)11.8 m3的工業(yè)油流，有效解放了一批薄油層。

[1] 朱筱敏,信荃麟,張晉仁.斷陷湖盆灘壩儲集體沉積特征及沉積模式[J].沉積學(xué)報(bào),1994,12(2)：20-27.

[2] 操應(yīng)長,王健,劉惠民,等.東營凹陷南坡沙四上亞段灘壩砂體的沉積特征及模式[J].中國石油大學(xué)學(xué)報(bào),2009,33(6)：5-10.

[3] 李國斌,姜在興,王升蘭,等.薄互層灘壩砂體的定量預(yù)測——以東營凹陷古近系沙四上亞段(Es4上)為例[J].中國地質(zhì),2010,37(6)：1659-1670.

[4] Christopher H,Brian G.Hydrodynamics and sediment transport within the Inner Surf Zone of a lacustrine multiple -barred nearshore[J].Marine Geology,2005,218：37-63.

[5] Flores R M.Pictured Cliffs Sandstone Upper Cretaceous distributarychannel,delta -front,and beach -bar deposits,outhwestern San Juan Basin,New Mexico[J].AAPG Bulletin,1979,63(3)：451-452.

[6] 能源,漆家福，張春峰.金湖凹陷斷裂特征及其石油地質(zhì)意義[J].大地構(gòu)造與成礦學(xué).2012,36(1):16～23.

[7] 燕興榮,柴細(xì)元,邵維志,等.灘壩砂巖性油氣藏測井評價(jià)方法及應(yīng)用[J].測井技術(shù),2006,30(2)：161-163.

[8] 李燕.東營沙四段灘壩砂儲層及流體測井識別方法[J].測井技術(shù),2009,33(2)：143-147.

[9] 劉金華,唐建東,鐘思瑛,等.金湖凹陷西斜坡阜二段物源方向再認(rèn)識[J].復(fù)雜油氣藏.2011,4(3):16～20.

[10] 陳同飛,蔣阿明,張菲,等.薄砂體油層常規(guī)測井精細(xì)識別技術(shù)及其應(yīng)用[J].石油天然氣學(xué)報(bào).2014,36(12):117～120.

[11] 張菲，孫培安，張樂.高分辨率陣列感應(yīng)測井在薄層評價(jià)中的應(yīng)用[J].石油實(shí)驗(yàn)地質(zhì)，2012.9,34(5):510～513.

[12] 楊慶軍,鄧春呈,王辰.利用人工神經(jīng)網(wǎng)絡(luò)求取產(chǎn)層的流動系數(shù).新疆石油地質(zhì)[J].2001,22(1):66～67.

[13] 楊慶軍,鄧春呈,楊永利,等.人工神經(jīng)網(wǎng)絡(luò)在低阻油層識別上的應(yīng)用[J].特種油氣藏.2001,8(2):8～10.

(編輯 曹征遠(yuǎn))

Thin reservoir identification of beach bar sandbodies in GJ area

Jiang Aming，Chen Tongfei，Zhang Fei，Lu Meijuan

(ExplorationandDevelopmentResearchInstituteofJiangsuOilfieldCompany，SINOPEC，Yangzhou225009，China)

Using data of logging and core，sedimentary facies in GJ area were analyzed deeply.Thus the second member of Funing Formation was mainly divided into two types of bar sandbodies and beach sandbodies.According to characteristics of sedimentary and logging response of bar and beach sandbodies，fine identification models were established for oil layer，water layer，and dry layer，respectively.Combined with reservoir type and oil-water distribution feature，the effective reservoir was divided by adopting conventional multi-parameter chart of short electrode logging，to further identify thin oil pay.And then the neural network method was applied to identify thin oil pay.Various identification methods were used to improve the accuracy of reservoir identification and obtain significant effects for tapping the potential of matured oilfields.

the beach bar sandstone；multi-parameter；short electrode；identification of thin oil pay；GJ area；Jiangsu Oilfield

TE121.3

A

2015-03-09；改回日期2015-04-28。

蔣阿明(1967—)，高級工程師，現(xiàn)從事勘探及儲量綜合研究和管理工作，電話：0514-87761729，E-mail：jiangam.jsyt@sinopec.com。

江蘇油田分公司“金湖凹陷非主力層油氣層識別技術(shù)及增儲潛力研究”(JS 11001)。

10.16181/j.cnki.fzyqc.2015.03.001