徐 辰 浩

(中國石油長城鉆探工程有限公司錄井公司)

0 引 言

古潛山油氣藏巖性復雜，經歷過長期暴露地表風化剝蝕，受多期構造作用的疊加改造，發(fā)育多種次生儲集空間，其儲集層復雜、非均質性較強[1-2]。隨著油氣勘探開發(fā)的深入，裂縫型油氣藏所占比重不斷增加，儲量和產量的比例也在上升，使裂縫型儲集層的評價和預測工作受到更多的重視。在裂縫型油氣藏勘探課題研究中，裂縫參數的求取既是重點也是難點，而成像測井技術的出現為裂縫型儲集層刻畫提供了重要的技術支撐。近些年應用成像測井對裂縫型儲集層的研究不斷增多，一系列定量求取裂縫參數的方法體系逐漸形成[3-5]，但因成像測井成本較高，成像測井資料獲取率很低，故結合成像測井與常規(guī)測、錄井參數進行裂縫參數求取很有意義。

以大民屯凹陷S 625區(qū)塊元古界裂縫型儲集層為研究對象，在收集巖心分析資料的基礎上，綜合利用測井、錄井等多項資料，對該潛山油藏儲集層中發(fā)育的裂縫及其性質進行精細研究，準確評價裂縫密度、產狀、有效性等，為后續(xù)裂縫儲集層建模工作提供可靠的井點參數，進而指導油田高效開發(fā)。

1 研究區(qū)地質背景

S 625區(qū)塊隸屬于遼河坳陷大民屯凹陷安福屯潛山帶，緊鄰平安堡及安福屯生烴洼陷，受后期構造運動影響，元古界地層抬升，形成生烴洼陷與元古界潛山洼隆相間的構造格局，具備良好的源儲配置，易于油氣在潛山內幕聚集成藏。元古界地層包括長城系大紅峪組(Chd)和高于莊組(Chg)，發(fā)育一套以碳酸鹽巖為主的濱淺海沉積體系[6]，地層分布穩(wěn)定，區(qū)域上可對比性強，大紅峪組的沉積旋回由泥質白云巖-白云巖組成，高于莊組包括6個沉積旋回，巖性組合為板巖類-石英巖-白云巖。油藏埋深3 150～3 720 m，潛山內幕儲集層物性好，且隔層封隔能力強，形成多套儲蓋組合，儲集空間以構造裂縫為主，溶蝕孔洞為輔，普遍發(fā)育中高角度裂縫[7]。

2 巖性及裂縫發(fā)育情況

潛山裂縫的發(fā)育很大程度上受巖性影響。從鉆井揭露的地層巖性分布來看，大民屯凹陷S 625區(qū)塊元古界主要鉆遇的巖性類型有石英巖、白云巖、板巖類，局部亦可見輝綠巖等，為準確建立裂縫評價模型，有必要對巖性做統(tǒng)一的精細解釋。依據多口取心井薄片及全巖樣品分析結果綜合定名，該區(qū)元古界地層主要發(fā)育以下巖性：板巖、云質板巖、石英巖、變余石英砂巖、白云巖、硅質白云巖、砂屑白云巖、含泥泥晶云巖、含亮晶方解石云巖、泥質白云巖。通過巖心及薄片觀察發(fā)現，白云巖類(包括硅質白云巖、砂屑白云巖、含泥泥晶云巖、含亮晶方解石云巖)及石英巖中張開的中高角度裂縫最為發(fā)育(圖1、圖2)，泥質白云巖、變余石英砂巖等巖性中很難見到張開縫。

圖1 鏡下裂縫發(fā)育特征

圖2 元古界巖心裂縫發(fā)育特征

3 裂縫產狀及有效性分析

按成因分類，大民屯凹陷S 625區(qū)塊元古界裂縫主要發(fā)育構造縫和溶蝕縫。構造縫是在區(qū)域應力場作用下產生的裂縫，其發(fā)育分不同期次，該類裂縫多保存高角度張開縫，對儲集層儲滲性能起到良好的改善作用；溶蝕縫是由于巖石出露地表發(fā)生化學風化作用而形成的裂縫。在潛山風化殼層段除裂縫外還發(fā)育物理或化學風化作用產生的溶蝕孔隙，其主要發(fā)育在與裂縫溝通的暗色礦物中(圖2a)。

巖心觀察發(fā)現，元古界裂縫具有多組系、分布不均、尺寸差別大等特點，主要發(fā)育中高角度縫、網狀裂縫以及各種誘導縫(圖2b)，風化殼段裂縫多為方解石等礦物所充填。

成像測井資料解釋表明(圖3)，S 625區(qū)塊元古界大部分裂縫走向為北東向，其次為北西向和近東西向。裂縫傾角主要為中高角度, 低角度縫或水平縫較少。

圖3 元古界成像測井解釋裂縫產狀玫瑰圖

從構造角度來看，S 625區(qū)塊被北東東、北北東走向的長期活動斷層所圍限，潛山西側邊界為逆斷層，東側邊界為正斷層[8]。本次研究重新梳理了區(qū)域構造和斷裂(圖4)，S 625區(qū)塊內主干斷裂主要為北東向，根據以往的研究成果[9-11]，當裂縫走向與現今最大主應力方向的夾角小于30°時，裂縫能最大程度地發(fā)揮其滲濾通道作用；而根據井周聲波成像解釋資料可判斷現今最大水平主應力方向為近北東-南西向。故該區(qū)構造裂縫與最大主應力具備較好的配置關系，有利于形成優(yōu)質裂縫型儲集層。此外，中部和南部發(fā)育多條北東東向、近東西向斷裂，根據區(qū)域構造發(fā)育史，這些斷裂應源自于東營期走滑作用，使得斷裂的發(fā)育多樣化，同時也在一定程度上指示中南部井鉆遇的裂縫除北東走向外，還包括近東西向等的有效裂縫。如圖4所示，S 229井位于S 625區(qū)塊中南部，玫瑰圖顯示，該井的北東東及近東西向中高角度裂縫均較發(fā)育，雖然S 625區(qū)塊中部大部分井無成像資料，但根據構造發(fā)育樣式可以推測這些井的裂縫發(fā)育方向會比較多樣化。

圖4 S 625區(qū)塊元古界斷裂分布與裂縫產狀疊合圖

4 裂縫密度模型建立

前述內容已分析裂縫發(fā)育的巖性和裂縫類型、期次、產狀及有效性，但要做到定量或半定量表征裂縫發(fā)育特征，更主要的是計算表征裂縫發(fā)育程度、尺度的參數，如裂縫密度、開度、裂縫孔隙度等。目前成像測井處理系統(tǒng)能夠完整地得到這些參數，而對于無成像測井的區(qū)域，基于不同原理的常規(guī)測井及錄井方法對潛山裂縫能夠提供不同的裂縫響應，對這些響應的分析和應用是提取裂縫參數的有效途徑。

4.1 裂縫的測井識別原則

圖5展示了S 223井潛山裂縫發(fā)育情況及相對應的測井、錄井響應特征。裂縫的測井敏感參數包括RT(深側向電阻率)、RS(淺側向電阻率)、CAL(井徑)、GR(自然伽馬)、AC(聲波時差)、DEN(密度)、CNL(井壁中子)、RTRS,RTRS為深淺電阻差比，該參數定義為(RT-RS)/(RT+RS)；錄井敏感參數包括Tg(氣測全烴)、元素In(銦)、元素Cd(鎘)、t(鉆時)、dc指數等。目前利用常規(guī)測井方法對潛山儲集層裂縫識別應遵循以下綜合識別原則[12-14]：

(1)在基巖高阻值背景下，深淺電阻率明顯減小，有一定的正幅度差，且隨裂縫傾角增大深淺電阻率差異也變大，此外深淺電阻差比在裂縫發(fā)育段明顯增大。

(2)時差曲線上表現出小幅度的增大和抖動，該曲線特征在識別低角度裂縫或網狀裂縫時效果較好。

(3)密度測井值出現明顯降低也表明可能存在碳酸鹽巖裂縫。

(4)發(fā)育裂縫的碳酸鹽巖地層會出現自然伽馬高異?，F象(圖5)，這是古水流經過后放射性物質滯留的結果。

4.2 裂縫的錄井信息響應特征

錄井資料是識別油氣層最直觀的第一手資料，是油氣層綜合分析和評價的基礎，除常規(guī)錄井參數外，本研究引入了元素錄井的多種參數?？偨Y發(fā)現潛山裂縫發(fā)育段的各種錄井信息響應特征明顯，且匹配性好，具有以下特點：

(1)巖屑錄井響應特征：統(tǒng)計表明，裂縫發(fā)育段顯示級別高，且錄井顯示與產能有很好的匹配關系。裂縫發(fā)育較差層段，顯示級別低，以熒光為主，偶見油跡；裂縫發(fā)育中等層段以油跡為主，偶見油斑；裂縫發(fā)育好的層段以油斑為主，偶見油跡，初期產油量一般大于50 t/d[15]。

再次，還深化了對“評價”和“編輯”這兩個階段聯系機制的認識。本研究認為，失地農民對“項目質量”“機構實力”“師資力量”的特征感知越積極，對“就業(yè)素質提升”這一選項結果的前景價值評價也會越高。鑒于“項目質量”“機構實力”“師資力量”隸屬于“編輯”階段，而對“就業(yè)素質提升”的前景價值評價隸屬于“評價”階段，因此，失地農民對“項目質量”“機構實力”和“師資力量”的特征感知，同對“就業(yè)素質提升”這一選項結果的前景價值評價之間的關系，所反映的其實就是“評價”和“編輯”這兩個階段的聯系機制。

圖5 單井裂縫錄井、測井響應特征

(2)氣測錄井響應特征：由于有效裂縫中的含油高壓地層流體在裂縫被鉆開時,快速進入井筒，使鉆井液中的烴含量急劇升高而形成氣測異常時，氣測值快速上升，出現陡峰；當裂縫發(fā)育層被鉆穿，氣測曲線下降。此外，當裂縫發(fā)育段較薄(<10 m)時，氣測基本呈孤立尖峰狀；當裂縫發(fā)育段厚度較大(>10 m)時，氣測曲線將出現連續(xù)的尖峰狀、突起緩坡狀或較為寬緩的圓峰狀。

(3)元素錄井響應特征：元素錄井能夠提供數十種造巖元素的含量，通過篩查發(fā)現，Si、Al、Fe、Mg、Ca為S 625區(qū)塊元古界巖性識別的敏感元素，此外發(fā)現金屬元素In和Cd是該區(qū)裂縫發(fā)育層段的敏感元素，即：白云巖裂縫發(fā)育層段具有高Mg、高Ca、低Si、低Al、低Fe、高In、高Cd的元素特征，而石英巖裂縫發(fā)育層段具有低Mg、低Ca、高Si、低Al、低Fe、高In、高Cd的元素特征(圖5)。

(4)工程參數響應特征：此類方法可應用鉆時或巖石可鉆性參數(如dc指數)來評判。同類巖性在均質的條件下可鉆性參數基本不變，在發(fā)育裂縫時，巖石強度變小，可鉆性增強，機械鉆速顯著提高。

4.3 裂縫密度計算模型

4.3.1 單井裂縫密度曲線解釋的基本思路

既然常規(guī)測井及錄井參數能夠對裂縫的發(fā)育有所體現，筆者嘗試利用高效的數學算法放大這種響應。本方法顯然不能同時提取出裂縫密度、開度、孔隙度等多個參數，但如果將表達裂縫發(fā)育程度的參數簡化為1個(如裂縫密度)，進而利用BP神經網絡算法[16]提取出裂縫密度與諸多測、錄井響應之間復雜的對應關系，即可得到裂縫密度參數定量計算模型。BP算法是一種具有2層或3層以上的階層型神經網絡，算法的思路是通過網絡的連接權值，使誤差函數沿梯度方向下降，逐漸達到最小[17]。具體裂縫密度建模流程如圖6所示，主要包括以下步驟：

(1)成像測井解釋裂縫密度曲線的制作，即統(tǒng)計電(聲)成像解釋的每米裂縫條數。

(2)測井、錄井資料預處理，包括對測井、錄井曲線進行標準化處理，消除因井眼垮塌、鉆井液侵入等環(huán)境或工程因素造成的異常影響，并對曲線進行濾波處理，過濾掉與地層因素無關的統(tǒng)計誤差或毛刺干擾。測井建模數據包括RT、RS、CAL、GR、AC、DEN、RTRS，錄井數據包括Tg、In、Cd、t等。

圖6 裂縫密度計算模型建立流程圖

(3)神經網絡模型訓練，選用Petrol軟件的神經網絡工具箱，該網絡模型可包括任意多個輸入參數和一個目標參數Intensity(裂縫發(fā)育強度/密度)，迭代訓練后建立裂縫密度BP模型，并通過相關系數矩陣反饋各輸入參數之間的相關性及對Intensity計算的貢獻值(表1、表2、表3)。

4.3.2 BP模型輸入參數優(yōu)選

本方法作為數據驅動的神經網絡算法，輸入參數的種類及數量對最終輸出模型的精度有較大影響。在模型訓練過程中，將輸入參數分選為隨鉆測錄井數據(電阻率、自然伽馬、井徑、鉆時、氣測及其衍生數據等)，元素錄井數據及其他測井數據(聲波時差、密度等)三類。將此三類數據逐批次增加到BP模型中進行訓練，從相關矩陣(表1、表2、表3)來看，隨著輸入數據量的增加，BP模型對裂縫密度(Intensity)的總相關程度顯著提升，當只輸入隨鉆測、錄井數據時，模型對裂縫密度總相關度為0.678，在此基礎上加入元素In、Cd數據，則總相關度提升為0.735，再加入其他測井數據AC、DEN，則總相關度提升為0.771。從各個輸入參數對裂縫密度的相關性來看，貢獻率最高參數是RT、Tg及AC，均屬于公認的裂縫表征曲線。貢獻率次高的則是元素錄井的Cd和In，分別達到0.289和0.234，故在隨鉆條件下進行裂縫密度計算時，元素錄井是隨鉆測、錄井參數的重要補充。如表2所示，此時的總相關度接近0.75。在BP模型訓練中，根據所選建模井的資料收集情況，可以調整不同的輸入參數組合，本研究的建模井包含全部三類數據，故優(yōu)選包含隨鉆測、錄井，元素錄井及其他測井數據作為輸入的BP模型為最終模型，利用該模型計算的裂縫密度曲線(FRAC-DEN)見圖6。值得注意的是，由于目的層包含石英巖及白云巖兩大類儲集層，需對不同巖性分別建立各自的裂縫計算模型。

表1 S 223井BP模型相關系數(隨鉆測、錄井數據)

表2 S 223井BP模型自相關系數(隨鉆測、錄井及元素錄井數據)

表3 S 223井BP模型自相關系數(隨鉆測、錄井，元素錄井及其他測井數據)

5 應用效果分析

利用神經網絡模型對S 625區(qū)塊元古界共39口井進行了裂縫密度曲線計算，全部井均獲取了隨鉆測、錄井數據及其他測井數據，其中4口井獲取到元素錄井數據。

圖7為S 18-28井裂縫密度計算成果圖。該井無元素錄井，但在裂縫發(fā)育段(3 600～3 640 m)多種曲線有明顯響應：鉆時參數較上下層段明顯降低一個臺階，RT、RS均表現為高電阻率背景下的低電阻率異常，且有明顯的正幅度差，該段發(fā)育多個井徑異常，同時聲波及密度曲線同樣發(fā)育多個異常尖峰，GR曲線顯示該段巖性較純?；谝陨铣Ｒ?guī)曲線上的綜合裂縫響應，該井的裂縫密度計算效果較好，3 605～3 635 m井段為全井裂縫最為發(fā)育的層段，最大裂縫密度達到50條/m。經井深3 612 m處巖心實物觀察可見該處裂縫發(fā)育，且裂縫多為中高角度張開縫，局部有溶蝕現象。此外，裂縫密度顯示該井潛山內幕同樣有裂縫發(fā)育段存在，3 797～3 818 m井段裂縫密度最大值達到33條/m。試油結果顯示：3 607.1～3 642.1 m井段產油7.54 t/d，試油結果為油層；3 792.1～3 820.1 m井段產油2.85 t/d，產水5.02 m3/d，試油結果為含油水層。

經統(tǒng)計，全部39口井中，主要產層段平均裂縫密度Ⅰ類井(>30條/m)18口，Ⅱ類井(20～30條/m)11口，Ⅲ類井(<20條/m)10口。裂縫密度與單井累產液量在一定范圍內有較好的相關性，兩者明顯不匹配井有5口，占總井數的12.82%。此外，如圖8所示，裂縫密度曲線與地震幾何屬性方差體對應關系亦較好(方差體高值反映地層斷裂/裂縫帶發(fā)育)，在一定程度上反映了不同資料對裂縫發(fā)育情況反饋的一致性。

圖7 S 18-28井裂縫密度曲線成果圖

圖8 裂縫密度曲線與方差體屬性對比剖面

6 結 論

(1)選取大民屯凹陷S 625區(qū)塊元古界潛山為對象，建立了一套基于測、錄井和巖心資料的裂縫參數表征方法。該方法流程簡潔，適用性強，而且在建立裂縫密度模型中充分利用了隨鉆測井、錄井參數，如元素錄井、氣測錄井、工程錄井、電阻率及伽馬測井，這些參數的應用加強了該裂縫表征方法在隨鉆現場的實用性。

(2)巖性對裂縫發(fā)育程度具有很大影響，對于不同巖性應分別建立裂縫計算模型。

(3)在裂縫模型建立過程中，少量的巖心分析及成像測井資料起到了確定裂縫產狀、分析裂縫有效性及提供裂縫密度模型建立依據的作用，是進行裂縫表征的關鍵性資料。

(4)神經網絡算法提供了建立錄、測井數據與裂縫發(fā)育情況之間關系的通道，在模型建立過程中，隨著數據種類、數據量的逐漸增加，裂縫密度計算精度逐漸提高，元素錄井、氣測錄井參數起到的作用明顯。

(5)通過將計算裂縫密度與單井產液量及地震屬性進行對比分析，發(fā)現均具備較好的一致性，證實了該裂縫建模方法具有較好的準確性。