張 陽 趙平起 蘆鳳明 李 際 郭志橋 王 芮

（①中國石油大港油田公司，天津300280；②中國石油大學(xué)（北京）克拉瑪依校區(qū)石油學(xué)院，新疆克拉瑪依834000；③中國石油新疆油田分公司實驗檢測研究院，新疆克拉瑪依834000）

0 引言

隨著開發(fā)程度的不斷提高，目前中國東部老油田綜合含水率普遍達到90%以上，幾乎全面進入特高含水階段，挖潛難度不斷加大，油田開發(fā)后勁嚴(yán)重不足。在現(xiàn)有經(jīng)濟技術(shù)條件下，25%～35%的油氣是由于儲層內(nèi)部的非均質(zhì)性，特別是儲層構(gòu)型（導(dǎo)致儲層內(nèi)部的滲流屏障和滲流差異）的影響而滯留于地下成為可動的宏觀剩余油［1］。因此，應(yīng)用儲層構(gòu)型研究以明確儲層內(nèi)部非均質(zhì)特征、建立符合地下實際規(guī)律的地質(zhì)模型，是特高含水期老油田科學(xué)開發(fā)的關(guān)鍵。儲層構(gòu)型研究是沉積相研究的進一步細化，視沉積相類型不同，沉積亞相、微相與構(gòu)型級次有一定的可比性，但不具有一一對應(yīng)的關(guān)系［2］。在現(xiàn)階段研究過程中，非取心井單井儲層構(gòu)型劃分主要借鑒了傳統(tǒng)的沉積相研究方法，通過測井曲線形態(tài)定性、半定量地進行人工識別［3-4］。

近年來，隨著人工智能技術(shù)的發(fā)展，沉積相的識別開始采用聚類分析、人工神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)挖掘算法［5-18］。聚類分析又稱群分析，它以相似性為基礎(chǔ)，是研究（樣品或指標(biāo)）分類問題的一種統(tǒng)計分析方法，該方法在遼河灘海地區(qū)沉積相的自動劃分［13］以及川西某氣田蓬萊鎮(zhèn)組三角洲前緣亞相定量識別［14］中取得了較好的效果。人工神經(jīng)網(wǎng)絡(luò)是從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)進行信息處理［15］。人工神經(jīng)網(wǎng)絡(luò)在沉積相判別中的應(yīng)用較為廣泛，Baneshi［16］、Aliakbar等［17］利用神經(jīng)網(wǎng)絡(luò)方法研究了伊朗陸上油氣田巖相特征；Zhang等［18］根據(jù)水平井的測井曲線響應(yīng)特征，利用多項式邏輯回歸和人工神經(jīng)網(wǎng)絡(luò)，建立了測井沉積相的識別方法。人工智能技術(shù)在沉積相研究中的成功應(yīng)用，為識別單井儲層構(gòu)型打下了良好的基礎(chǔ)。

相比沉積相識別，單井儲層構(gòu)型劃分具有自身的特點及難點。首先，儲層構(gòu)型研究整體更為復(fù)雜，在相同沉積背景的研究區(qū)內(nèi)，如何應(yīng)用取心井分析，建立能夠推廣、應(yīng)用到非取心井的劃分標(biāo)準(zhǔn)較為困難；其次，在特高含水期老油田中，開發(fā)井?dāng)?shù)量多，劃分的層系多，單井構(gòu)型劃分工作量大，人工單井構(gòu)型劃分效率較低，主觀性強；再次，劃分結(jié)果準(zhǔn)確性如何，缺乏直觀的驗證方法。因此，本文以滄東凹陷東部陡坡帶沖積扇為例，基于巖心、測井、錄井等資料，應(yīng)用K-均值聚類及貝葉斯判別方法，提出了一種沖積扇單井儲層構(gòu)型自動劃分及驗證方法，希望能夠提高單井儲層構(gòu)型識別的準(zhǔn)確性及效率。

1 研究區(qū)概況

滄東凹陷是渤海灣盆地黃驊坳陷的一個次級構(gòu)造單元，位于孔店凸起以南，東西分別以徐西斷層、滄東斷層為界，內(nèi)部斷層較為復(fù)雜（圖1）。古近系孔店組一段（簡稱“孔一段”）沉積時期為亞熱帶半干旱—干旱氣候，徐西斷層開始強烈活動，滄東凹陷湖盆沉積處于萎縮充填階段，受控于古構(gòu)造及古氣候的影響，沉積環(huán)境由下伏孔店組二段（簡稱“孔二段”）的辮狀河三角洲突變?yōu)榭滓欢蜗聛喍蔚臎_積扇沉積［19-20］?？滓欢巫韵露峡蓜澐譃?個油組，依次為棗Ⅴ、棗Ⅳ、棗Ⅲ、棗Ⅱ、棗Ⅰ和棗0油組。

圖1 研究區(qū)位置

研究區(qū)位于滄東凹陷的東—中部，共有鉆井1000余口，其中取心井40余口，取心層段主要為棗Ⅲ、棗Ⅱ油組。測井?dāng)?shù)據(jù)齊全，豐富的基礎(chǔ)資料為沖積扇單井儲層構(gòu)型劃分方法的研究提供了重要支撐。

2 研究方法

單井儲層構(gòu)型的識別既包括單井構(gòu)型的劃分，也包括對劃分結(jié)果的驗證。本文以取心井巖心描述的構(gòu)型劃分結(jié)果與測井曲線的定性、定量關(guān)系作為橋梁，利用K-均值聚類方法建立構(gòu)型單元的劃分標(biāo)準(zhǔn)；應(yīng)用貝葉斯判別規(guī)則形成構(gòu)型單元的驗證公式；將構(gòu)型單元的劃分標(biāo)準(zhǔn)和驗證公式應(yīng)用于非取心井，完成非取心井單井儲層構(gòu)型單元的識別。該方法流程如圖2所示，主要包括4個關(guān)鍵步驟。

圖2 單井儲層構(gòu)型識別流程

2.1 取心井儲層構(gòu)型劃分

儲層構(gòu)型的研究最早源自于學(xué)者們針對曲流河野外露頭的分析。對于地下油藏，巖心資料是識別沉積、儲層構(gòu)型的第一手資料。因此，通過對取心井精細描述，對取心井的儲層構(gòu)型劃分，是非取心井儲層構(gòu)型劃分標(biāo)準(zhǔn)及判別公式建立的基礎(chǔ)。

在巖心觀察、明確各級次構(gòu)型單元沉積學(xué)成因、特征的同時，需要應(yīng)用構(gòu)型單元與測井曲線之間定性、半定量的關(guān)系輔助取心井構(gòu)型單元的劃分，形成相對準(zhǔn)確且能夠用測井曲線判別的取心井儲層構(gòu)型單元劃分結(jié)果。

2.2 構(gòu)型劃分標(biāo)準(zhǔn)建立

測井?dāng)?shù)據(jù)是取心井與非取心井之間對比、分析的橋梁。通過取心井儲層構(gòu)型劃分結(jié)果，利用測井資料建立單井構(gòu)型定量表征的標(biāo)準(zhǔn)，然后應(yīng)用到具有相同類型測井資料的非取心井儲層構(gòu)型劃分。具體過程如下。

首先是測井曲線的標(biāo)準(zhǔn)化。為了消除不同時間、不同儀器測量的測井資料之間的系統(tǒng)誤差，需要對所有測井資料進行標(biāo)準(zhǔn)化。

其次是測井曲線類型的優(yōu)選。測井曲線類型的優(yōu)選主要依據(jù)有兩個：一是單測井曲線表達的地質(zhì)含義；二是幾種測井曲線組合對不同級次構(gòu)型單元的區(qū)分效果。優(yōu)選出的測井曲線類型應(yīng)能夠反映儲層構(gòu)型的基本地質(zhì)含義，并能通過合理組合有效區(qū)分不同級次的構(gòu)型單元。

然后是構(gòu)型劃分標(biāo)準(zhǔn)的初步建立。對于儲層構(gòu)型的研究，適合研究區(qū)的構(gòu)型單元劃分方案是統(tǒng)一的研究平臺，各級次構(gòu)型單元類型是唯一確定的。因此，本文采用能夠給定聚類數(shù)量的經(jīng)典聚類算法，即K-均值聚類。K-均值聚類是一種迭代求解的聚類分析算法，具體步驟如下［21-24］：

（1）選取聚類個數(shù)K；

（2）從數(shù)據(jù)集中選定向量作為初始聚類中心，即C1，C2，…，CK，聚類中心的向量值可以任意設(shè)定，其取值會影響聚類結(jié)果；

（3）逐個將需分類的樣本Xi（i＝1，2，…，n）按歐氏距離分配給某一個聚類中心Cj（0＜j≤K），；

（5）如果聚類中心不再變化，終止進程，否則返回步驟（3）。

最終完成構(gòu)型劃分標(biāo)準(zhǔn)建立。根據(jù)K-均值聚類方法初步建立的標(biāo)準(zhǔn)，對取心井進行構(gòu)型劃分，并與巖心觀察劃分結(jié)果對比，計算準(zhǔn)確率。然后不斷修正劃分標(biāo)準(zhǔn)，直至準(zhǔn)確率達到要求，建立最終的儲層構(gòu)型劃分標(biāo)準(zhǔn)。

2.3 構(gòu)型判別公式建立

在建立構(gòu)型劃分標(biāo)準(zhǔn)之后，需要建立合理的驗證方法以檢驗劃分結(jié)果是否準(zhǔn)確。本文采用在沉積、儲層研究中有較好應(yīng)用效果的貝葉斯判別法［25-28］。

貝葉斯判別法是利用已經(jīng)確定的變量數(shù)據(jù)構(gòu)建判別函數(shù)，使函數(shù)具有某種最優(yōu)性質(zhì)，以得到未知變量的后驗概率，從而把屬于不同類別的樣本點盡可能地區(qū)別開［25］。

建立構(gòu)型判別公式的原理：若有G個母體類，取Q個樣品，每個樣品必須屬于這G個母體類中的一個母體。如果每個樣品有p個觀測指標(biāo)（x1，x2，…，xp），則可把每個樣品看作p維空間｛T｝中的一個點，Q個樣品組成一個p維空間｛T｝。同時，把各樣品視為相互獨立的正態(tài)隨機向量，于是有第g類xg｛g＝1，2，…，G｝多元正態(tài)分布。若有一來自某類的新樣品x＝（x1，x2，…，xp），則可根據(jù)貝葉斯公式計算樣品x歸于第g類的后驗概率

式中：p（g）為第g類的先驗概率；p（x|g）為x屬于第g類的概率密度函數(shù)；p（Gj）為第Gj個數(shù)據(jù)點的先驗概率；p（x|Gj）為x屬于第Gj個數(shù)據(jù)點的概率密度函數(shù)。

在計算的G個后驗概率中，如果x屬于第k類的后驗概率p（k|x）最大，則將樣品x歸于第k類［29］。

第g類的概率密度函數(shù)判別公式為

式中：αg為判別系數(shù)；xgi為第g類的第i個觀測指標(biāo)。

按照劃分標(biāo)準(zhǔn)得到的構(gòu)型劃分結(jié)果，將測井?dāng)?shù)據(jù)分別代入各級次構(gòu)型單元的判別公式中，得到其后驗概率，進一步判斷構(gòu)型單元歸屬，計算準(zhǔn)確率；修正判別公式，直至準(zhǔn)確率滿足要求，建立最終的構(gòu)型判別公式。

2.4 非取心井儲層構(gòu)型識別

將各級次構(gòu)型單元判別標(biāo)準(zhǔn)應(yīng)用到非取心井，形成非取心井構(gòu)型單元的劃分結(jié)果，應(yīng)用貝葉斯判別公式對各級次構(gòu)型單元進行驗證，得到所有測井?dāng)?shù)據(jù)點的構(gòu)型歸屬并計算準(zhǔn)確率。對于準(zhǔn)確率較小的構(gòu)型單元可以根據(jù)專家經(jīng)驗進行適當(dāng)?shù)娜斯ば薷?，直到?zhǔn)確率滿足要求，最終完成非取心井儲層構(gòu)型單元的識別。

3 研究實例

以滄東凹陷東部陡坡帶沖積扇為例，進一步闡述基于K-均值聚類和貝葉斯判別的沖積扇單井儲層構(gòu)型單元識別方法。

3.1 取心井單井儲層構(gòu)型單元劃分

3.1.1 巖心描述及測井曲線特征

研究區(qū)早期沖積扇儲層構(gòu)型級次劃分方案見表1［2，20］，油氣藏開發(fā)地質(zhì)分層最小級別劃分為單砂層，對應(yīng)6級構(gòu)型單元。本次研究通過5口取心井（官檢1井、官78-28-2井、小新14-19井、小11-6-2井和小檢1井等，井位置見圖1）400余米巖心描述，明確了單期復(fù)合砂體（7級構(gòu)型單元）、單成因砂體（8級構(gòu)型單元）和內(nèi)部增生體、夾層（9級構(gòu)型單元）的沉積和測井相特征，劃分了取心井儲層構(gòu)型。下面以沖積扇扇中為例展開說明。

表1 沖積扇儲層構(gòu)型級次劃分

（1）7級構(gòu)型劃分。研究區(qū)沖積扇扇中7級構(gòu)型單元主要包括辮流帶和漫流帶。辮流帶整體巖性較粗，以礫巖、砂巖、粉砂巖為主，可見碎屑流與牽引流沉積構(gòu)造；SP（自然電位）曲線多呈箱型或鐘型。漫流帶巖性較細，多為泥質(zhì)粉砂巖、砂質(zhì)泥巖、泥巖，可見波狀層理；泥巖多為塊狀，SP曲線接近基線，微電極幅度差最小。

（2）8級構(gòu)型劃分。8級構(gòu)型單元主要包括辮流水道、辮流砂島、漫流細粒和漫流砂體。辮流水道巖性主要為細礫巖、含礫粗砂巖、粉細砂巖，單砂體厚度為2～6m，底部有沖刷面，可見粒序?qū)永恚▓D3a）、平行層理、順層分布的植物莖、有一定磨圓度的泥礫；SP、GR（伽馬）曲線呈鐘形，幅度較低（圖4a）。辮流砂島巖性主要為中細砂巖、泥質(zhì)粉砂巖、含礫砂巖等（圖3b），單砂體厚度通常大于4m，具不明顯的正韻律或均質(zhì)韻律，發(fā)育平行層理（圖3c）、交錯層理（圖3d），韻律底部可見泥礫；SP、GR曲線呈箱形，電阻率幅度差大，較平滑（圖4a）。漫流細粒巖性最細，主要為泥質(zhì)粉砂巖、粉砂質(zhì)泥巖，顏色通常為灰綠色、紫紅色或雜色（圖3e）；SP曲線靠近泥巖基線，微電極曲線幅度差很?。▓D4b）；厚度為1.2～3.1m。

引入SP曲線回返率R可定量表征由于巖性變化引起的SP曲線的回返程度，在此進一步輔助表征以泥巖為主的構(gòu)型單元測井相特征。

式中M1、M2、M3分別為夾層上部砂巖、下部砂巖、夾層SP曲線值。

漫流細粒SP曲線回返較強，回返率為46%～73%。漫流砂體由于辮流水道的頻繁改道而保留較少，通常夾于厚層的漫流細粒泥巖之間，厚度橫向分布不穩(wěn)定，內(nèi)部可見事件性礫石、生物擾動及平行層理等不同成因的沉積構(gòu)造（圖3f）。漫流砂體自然電位曲線呈中低幅指狀，有一定幅度差（圖4b）。

圖3 研究區(qū)沖積扇巖心照片

圖4 構(gòu)型單元巖電響應(yīng)特征

（3）9級構(gòu)型劃分。9級構(gòu)型單元主要包括增生體和夾層。增生體為在單一砂體內(nèi)部由于水位變化形成的最大單一旋回沉積體。夾層為單一增生體頂部由于水動力條件變?nèi)跣纬傻募毩３练e。研究區(qū)內(nèi)水動力較強且變化頻繁，辮流水道單一增生體厚度小且橫向分布不穩(wěn)定，為0.15～0.90m；其上細粒沉積由于較強的水流沖刷而不易保存（圖3g），極為少見。辮流砂島增生體厚度較大且分布較穩(wěn)定，為0.20～1.00m；夾層（落淤層）（圖3h）分布穩(wěn)定且非常多見，厚度集中在0.05～0.30m；SP曲線回返較弱，回返率為18%～43%。

3.1.2 測井類型優(yōu)選

針對各類測井?dāng)?shù)據(jù)，首先采用直方圖法將其標(biāo)準(zhǔn)化；其次選取一組測井曲線對各級構(gòu)型內(nèi)所有構(gòu)型單元做交會圖，對比、分析不同組測井?dāng)?shù)據(jù)對構(gòu)型單元的區(qū)分結(jié)果。以8級構(gòu)型單元為例，電阻率（RT）、密度（DEN）、聲波時差（AC）、補償中子（CN）4種測井?dāng)?shù)據(jù)組合對辮流水道、辮流砂島、漫流砂體等的區(qū)分效果較好（圖5）。因此，優(yōu)選電阻率、密度、聲波時差和補償中子等4種測井?dāng)?shù)據(jù)用于研究區(qū)8級構(gòu)型單元劃分標(biāo)準(zhǔn)。按照同樣方法，優(yōu)選出孔隙度（φ）和泥質(zhì)含量（SH）用于7級構(gòu)型單元劃分標(biāo)準(zhǔn)；優(yōu)選電阻率、補償中子、密度和聲波時差等4種用于9級構(gòu)型單元劃分標(biāo)準(zhǔn)。

3.1.3 劃分標(biāo)準(zhǔn)建立及效果

為了使聚類結(jié)果更準(zhǔn)確，統(tǒng)計各級次構(gòu)型單元對應(yīng)的優(yōu)選測井類型數(shù)據(jù)的平均值作為給定的初始聚類中心，并根據(jù)各級次構(gòu)型單元數(shù)量給定聚類種數(shù)，通過K-均值聚類的方法，得到不同級次構(gòu)型單元的最終聚類結(jié)果（表2）。

將最終聚類結(jié)果作為構(gòu)型單元的劃分標(biāo)準(zhǔn)對取心井儲層構(gòu)型單元進行劃分。以官78-28-2井2663.2～2680.0m取心段8級構(gòu)型單元辮流砂島和辮流水道為例，對比應(yīng)用劃分標(biāo)準(zhǔn)與根據(jù)巖心觀察兩種方法的劃分結(jié)果（圖6）。

圖5 不同種類測井值交會圖

表2 K-均值聚類初始聚類中心及最終聚類結(jié)果

圖6 K-均值聚類與巖心觀察兩種方法劃分取心井儲層構(gòu)型單元結(jié)果對比

辮流砂島根據(jù)巖心觀察劃分厚度為6.7m，應(yīng)用劃分標(biāo)準(zhǔn)厚度為5.9m，準(zhǔn)確率為88.1%。辮流水道根據(jù)巖心觀察劃分厚度為3.7m，應(yīng)用劃分標(biāo)準(zhǔn)厚度為5.2m，準(zhǔn)確率為71.2%。應(yīng)用劃分標(biāo)準(zhǔn)辮流水道厚度準(zhǔn)確率相對較低，一部分是由于將2667.9～2668.8m的辮流砂島劃分為辮流水道。巖心描述顯示，該段位于辮流砂島單砂體頂部，巖性較細，泥質(zhì)含量較高，電阻率和密度值均較大，因此將辮流砂島誤劃分為辮流水道；另一部分原因是將2672.1～2673.0m的辮流砂島頂部及落淤層劃分為辮流水道，該段為辮流砂島與落淤層的過渡段，巖性為泥質(zhì)粉—細砂巖，電阻率和密度相對較小，因此誤將其劃分為辮流水道。

圖7為應(yīng)用劃分標(biāo)準(zhǔn)對5口井400余米取心段各級次構(gòu)型單元劃分的準(zhǔn)確率，可以看出，7級構(gòu)型單元劃分準(zhǔn)確率最高，9級構(gòu)型單元劃分準(zhǔn)確率最低，這主要是由于9級構(gòu)型單元厚度較小造成的。一方面，部分落淤層、增生體僅幾厘米厚，0.125m一個采樣點的測井?dāng)?shù)據(jù)分辨率相對較低，無法對其識別；另一方面，由于落淤層、增生體厚度較小，而構(gòu)型單元過渡帶的厚度相對較大，巖性、物性均與主體位置差別較大，使劃分結(jié)果出現(xiàn)較多異常點，準(zhǔn)確率下降。

圖7 應(yīng)用劃分標(biāo)準(zhǔn)對取心段各級次儲層構(gòu)型單元劃分的準(zhǔn)確率

3.1.4 判別公式建立

將巖心觀察得到的構(gòu)型劃分結(jié)果作為參照，把不同級次構(gòu)型單元優(yōu)選的測井類型數(shù)據(jù)分類整理，通過貝葉斯判別法得到各級次構(gòu)型單元的貝葉斯判別公式（表3）。

3.1.5 后驗概率驗證

以官78-28-2井2663.2～2680.0m取心段8級構(gòu)型單元辮流砂島和辮流水道（圖6）為例。辮流砂島厚度為6.7m，辮流砂島內(nèi)共有54個測井?dāng)?shù)據(jù)點，經(jīng)8級構(gòu)型貝葉斯判別公式計算，45個點判別為辮流砂島，占比為83.3%；7個點判別為辮流水道，占比為13.0%；2個點判別為漫流砂體，占比為3.7%；準(zhǔn)確率為83.3%。辮流水道厚度為3.7m，辮流水道內(nèi)共有30個測井?dāng)?shù)據(jù)點，經(jīng)8級構(gòu)型貝葉斯判別公式計算，24個點判別為辮流水道，占比為80.0%；5個點判別為辮流砂島，占比為16.7%；1個點判別為漫流砂體，占比為3.3%；準(zhǔn)確率為80.0%。

按照上述方法，判別5口取心井400余米取心段各級次構(gòu)型單元內(nèi)每個測井?dāng)?shù)據(jù)點的構(gòu)型歸屬，得到構(gòu)型歸屬占比及準(zhǔn)確率（圖8）?？梢钥闯?，對于取心段，各級次構(gòu)型單元貝葉斯判別歸屬準(zhǔn)確率與應(yīng)用劃分標(biāo)準(zhǔn)對取心段各級次構(gòu)型單元劃分的準(zhǔn)確率較為接近，證明該判別公式準(zhǔn)確，可以應(yīng)用到非取心井劃分結(jié)果的檢驗。

表3 各級次構(gòu)型單元貝葉斯判別公式及其后驗概率

圖8 貝葉斯判別公式判別各級次構(gòu)型單元歸屬占比

3.2 非取心井儲層構(gòu)型單元劃分與驗證

利用交會圖法優(yōu)選的測井類型數(shù)據(jù)進行標(biāo)準(zhǔn)化處理后，以K-均值聚類方法得到的測井類型劃分標(biāo)準(zhǔn)作為約束條件劃分非取心井儲層構(gòu)型單元，將貝葉斯判別法得到的判別公式驗證非取心井各級次儲層構(gòu)型單元劃分結(jié)果準(zhǔn)確率。

以非取心井小新11-13井、小新7-2-2井和小19-9井為例，分別統(tǒng)計三口井棗Ⅲ油組各構(gòu)型單元識別準(zhǔn)確率（表4）及其厚度。其中，小新11-13井劃分及檢驗結(jié)果如圖9所示，各單一構(gòu)型單元識別準(zhǔn)確率與其厚度關(guān)系如圖10所示。

由表4、圖9和圖10可知，各級次構(gòu)型單元識別的平均準(zhǔn)確率為78%～91%（表4）；各單一構(gòu)型單元識別準(zhǔn)確率整體分布為70%～95%，與厚度呈明顯的正相關(guān)關(guān)系（圖9）。厚度大的7級構(gòu)型單元識別準(zhǔn)確率最高，厚度小的9級構(gòu)型單元識別準(zhǔn)確率最低，這是由于測井?dāng)?shù)據(jù)分辨率及巖性過渡帶在不同厚度構(gòu)型單元中的差異造成的。對于識別結(jié)果準(zhǔn)確率較低的構(gòu)型單元，可以根據(jù)專家經(jīng)驗適當(dāng)調(diào)整劃分結(jié)果以提高準(zhǔn)確率。

表4 三口非取心井各級次儲層構(gòu)型單元識別平均準(zhǔn)確率

圖9 小新11-13井劃分結(jié)果及識別準(zhǔn)確率

圖10 小新11-13井儲層構(gòu)型單元厚度與劃分準(zhǔn)確率的關(guān)系

4 結(jié)束語

（1）基于K-均值聚類和貝葉斯判別的沖積扇單井儲層構(gòu)型識別方法主要包括取心井儲層構(gòu)型劃分、構(gòu)型劃分標(biāo)準(zhǔn)建立、構(gòu)型判別公式建立以及非取心井儲層構(gòu)型識別四個步驟。該方法同樣可以應(yīng)用于其他研究工區(qū)多種沉積相類型的單井儲層構(gòu)型劃分標(biāo)準(zhǔn)及判別公式的建立，為開發(fā)后期鉆井資料豐富的老油田多種沉積相類型單井儲層構(gòu)型識別提供了一種新思路。

（2）應(yīng)用本文方法識別非取心井儲層構(gòu)型單元需注意三個主要問題：在巖心觀察劃分構(gòu)型結(jié)果時，務(wù)必在合理構(gòu)型級次劃分方案基礎(chǔ)上，對構(gòu)型單元沉積特征有充分的認識；在建立劃分標(biāo)準(zhǔn)時，需調(diào)整測井曲線組合及給定合適的初始聚類中心以得到準(zhǔn)確率較高的聚類劃分結(jié)果；在建立判別公式時，應(yīng)將各級次構(gòu)型單元判別準(zhǔn)確率和構(gòu)型單元劃分準(zhǔn)確率對比，兩者接近才能說明判別公式準(zhǔn)確。

（3）由于測井?dāng)?shù)據(jù)的分辨率所限及構(gòu)型單元過渡帶的巖性變化兩方面原因，該方法對于厚度較薄的構(gòu)型單元以及構(gòu)型單元過渡帶的識別效果相對較差。非取心井儲層構(gòu)型識別準(zhǔn)確率與構(gòu)型單元厚度呈正相關(guān)關(guān)系，7級、8級、9級構(gòu)型識別準(zhǔn)確率依次降低。