楊兆臣 彭明超 陳朕 竇琰 郭濤

摘? ? ? 要：致密砂礫巖儲層多由沖積扇、扇三角洲或重力流沉積形成，有利成藏區(qū)域往往位于扇三角洲前緣亞相。由于多為近物源沉積，致密砂礫巖儲層往往沉積粒度分選性較差，按沉積學(xué)巖石粒度識別有利儲層有一定困難。在油田實際生產(chǎn)中，對致密砂礫巖儲層的生產(chǎn)產(chǎn)能主控因素的分析和評價，多數(shù)情況下，只能利用常規(guī)測井曲線和基礎(chǔ)的巖心分析資料，因此如何合理高效的利用有限的基礎(chǔ)資料進(jìn)行有利儲層的識別至關(guān)重要。分析表明，從最基礎(chǔ)的滲流能力巖心實驗（如壓汞分析）結(jié)果入手，評價不同樣品的滲流能力，對不同樣品進(jìn)行分類，再利用分類結(jié)果對測井曲線進(jìn)行標(biāo)定，利用機(jī)器學(xué)習(xí)方法，識別優(yōu)勢儲層的典型測井響應(yīng)特征，再依此特征在單井測井曲線上，按深度對井段進(jìn)行逐點歸類，可有效識別出致密砂礫巖巖體在剖面上的有利儲層段。

關(guān)? 鍵? 詞：致密砂礫巖;儲層分類;機(jī)器學(xué)習(xí);多元統(tǒng)計

中圖分類號：TE348? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ?文章編號： 1671-0460（2020）09-2024-05

Abstract： Tight glutenite reservoirs were generally formed by alluvial fan， fan dalta or gravity flow. The favorable area of tight glutenite reservoir always settled in fan dalta front. Ordinarily， fan dalta is always near-source sediments， it has poor grain size sorting， and since there are so many tephra in such sediments in most of the Xinjiang Oilfields， discrimination of the favorable area is greatly difficult by normal analysis of the sedimentary petrology. In the actual production of oil fields， only conventional log curves and basic core analysis data can be used in the analysis and evaluation of the main control factors of production capacity of tight glutenite reservoirs in most cases， so it is very important to use the limited basic data to identify favorable reservoirs. The analysis showed that， starting from the results of core experiments of percolation capability （such as mercury penetration analysis）， through evaluating the percolation capability of different samples to classify different samples， and then using the classification results to calibrate the logging curve， typical logging response characteristics of favorable reservoirs could be identified by using machine learning methods， and based on this characteristics， the well sections could be classified based on the depth on the single well logging curve， finally the favorable reservoir sections of tight sandy conglomerate bodies on the profile could be effectively identified.

Key words： Tight reservoir; Reservoir classification; Machine learning; Multivariate statistical analysis

砂礫巖儲層多為沖積扇、扇三角洲、辮狀河流或重力流沉積[1-2]，其主要特征表現(xiàn)為儲層相對致密，沉積相變化較快，儲層非均質(zhì)性強(qiáng)。深層砂礫巖儲層相對中淺層砂礫巖儲層，往往具有更高的密度，儲層物性更差，一般而言，該類儲層孔隙度低于10%，滲透率低于0.5×10-3 μm2。

致密砂礫巖開發(fā)具有較大難度。由于沉積相變較快，油藏油層空間分布特征復(fù)雜;同時，由于油藏非均質(zhì)性強(qiáng)，內(nèi)部砂體結(jié)構(gòu)復(fù)雜，油藏產(chǎn)能主控因素研究難度較大，由此也造成儲層有利區(qū)域（具有相對較好開發(fā)效果和經(jīng)濟(jì)效益的區(qū)域）難以準(zhǔn)確界定。

1? 問題的提出

目前，對致密砂礫巖儲層有利區(qū)域的預(yù)測，有不少研究成果，如基于致密砂礫巖儲層成因的分析方法[2-4]，基于儲層微觀特征的研究和預(yù)測方法[5]，基于統(tǒng)計學(xué)、測井、地震響應(yīng)特征的預(yù)測方法等。各類預(yù)測方法各有優(yōu)缺點，如基于儲層微觀特征的研究方法，可以從孔喉結(jié)構(gòu)的角度深入分析儲層的滲流能力，但缺點是該類分析方法往往基于儲層巖心實驗，難以推廣到預(yù)測整個油藏中優(yōu)勢儲層的平面和剖面分布;基于測井、地震響應(yīng)特征等的分析方法，往往對原始資料的品質(zhì)要求較高，或需要更加復(fù)雜的資料或研究方法作為輔助研究手段（如疊前地震反演[5]，AVO分析、地震正演，或核磁測井等），該類方法不僅研究成本高，資料難以獲取，且往往存在多解性，缺乏約束時，解釋結(jié)果與油藏實際生產(chǎn)特征符合率較低。

鑒于此，有必要結(jié)合儲層巖石物理特征，尋找一種利用油田生產(chǎn)易于獲得的常用資料預(yù)測有利儲層的簡便方法，以實現(xiàn)降本增效的目的。同時，從最基礎(chǔ)的、易于獲得的資料進(jìn)行深入研究，提高優(yōu)勢儲層的識別精度和與生產(chǎn)實際的符合率，才能有效的應(yīng)用于實際生產(chǎn)并在不同油田進(jìn)行推廣。

2? 致密砂礫巖優(yōu)勢儲層特征及分類

2.1? 致密砂礫巖儲層地質(zhì)特征分析

新疆油田中、深層致密砂礫巖儲層有以下特征：

1）儲層沉積主要以沖積扇、扇三角洲平原、扇三角洲前緣為主[1-2]。從多年的生產(chǎn)實踐經(jīng)驗看，具有油田開發(fā)經(jīng)濟(jì)效益的有效優(yōu)勢儲層主要發(fā)育于扇三角洲前緣。從成因角度分析，扇三角洲前緣亞相沉積分選程度相對較高，有利于形成具有相對優(yōu)勢滲流能力的儲層;

2）儲層總體滲透率低，且非均質(zhì)性較強(qiáng)。圖1是新疆油田某區(qū)塊儲層滲透率統(tǒng)計直方圖， 儲層平均滲透率只有0.15×10-3 μm2。另一方面，儲層滲透率統(tǒng)計直方圖表現(xiàn)出明顯的雙峰特征，表明儲層滲透率具有較強(qiáng)的非均質(zhì)性;

3）儲層孔隙連通性差，從實際生產(chǎn)經(jīng)驗看，原油生產(chǎn)必須依靠儲層改造措施;

4）影響儲層產(chǎn)油能力的主控地質(zhì)因素不清晰。由于儲層存在較強(qiáng)非均質(zhì)性，儲層中總存在相對優(yōu)勢的區(qū)域，而相對更好的地質(zhì)條件，是保證儲層產(chǎn)能的基礎(chǔ)。分析認(rèn)為，應(yīng)以儲層基礎(chǔ)巖心資料為基礎(chǔ)，研究巖心中相對更優(yōu)質(zhì)樣品具有的典型地質(zhì)特征，并以此為基礎(chǔ)，對該類地質(zhì)特征依靠測井和地震資料進(jìn)行平面和剖面預(yù)測。

2.2? 基于基礎(chǔ)物性資料的優(yōu)勢儲層分類方法

巖心壓汞實驗是基礎(chǔ)的巖心滲流能力分析實驗之一，基于巖心壓汞資料，可有效分析儲層的滲流特征。分析表明，在毛管半徑-累計進(jìn)汞飽和度雙對數(shù)坐標(biāo)系統(tǒng)中，具有同樣孔喉結(jié)構(gòu)的巖心樣品，往往具有相同的拐點（該拐點表示隨注汞壓力增高，進(jìn)汞速度出現(xiàn)明顯變化）（圖2a）。在此基礎(chǔ)上，結(jié)合毛管壓力曲線（圖2b），對新疆油田某致密砂礫巖區(qū)塊按壓汞滲流特征進(jìn)行分類，將具有相同拐點、且樣品中值壓力和束縛水飽和度滿足一定條件的樣品歸為同一類樣品。

進(jìn)汞速度的拐點不同代表著儲層中具有不同的孔喉結(jié)構(gòu)，但并不能完全代表儲層整體的滲流能力，因此，應(yīng)結(jié)合壓汞曲線特征，對進(jìn)汞中值壓力和束縛水飽和度進(jìn)行區(qū)分：進(jìn)汞中值壓力越低，代表樣品整體的滲流阻力越低;束縛水飽和度越低，代表能驅(qū)替的可動流體飽和度越高。將3個參數(shù)有機(jī)結(jié)合，對儲層進(jìn)行綜合分類，可綜合評判儲層的整體優(yōu)劣，進(jìn)而有效識別有利儲層。

對新疆油田某區(qū)塊的42個樣品按上述方法進(jìn)行分類，其分類標(biāo)準(zhǔn)如表1所示。

據(jù)此識別出三種不同類型的儲層，統(tǒng)計該三類儲層的物性特征表明，I類儲層平均滲透率13.43×10-3 μm2，進(jìn)汞中值壓力13.79 MPa，平均毛管半徑0.89 μm，其物性明顯優(yōu)于II、III類儲層（表2）。

3? 基于常規(guī)測井的優(yōu)勢儲層識別模型

在過去幾十年中，國內(nèi)外研究者多將精力集中于識別單井剖面上的巖性類型[1-2]，而對巖性的識別主要是根據(jù)沉積巖石學(xué)，按照巖石顆粒粒度、粒級對巖性進(jìn)行識別和劃分，由于沉積顆粒的分選性對儲層滲流能力有較大影響，該類方法識別的巖性能一定程度的反映出儲層優(yōu)劣，但在致密砂礫巖儲層中，這類方法的總體效果卻不甚理想，其原因在于：①流體性質(zhì)有明顯影響;②近物源沉積粒度分選性極差;③致密砂礫巖壓實程度較高，儲層大量壓嵌膠結(jié);④在實際生產(chǎn)中，鉆、錄井資料對于按粒度劃分的巖性描述不正確，存在大量統(tǒng)一描述為“砂礫巖”的井段;⑤酸性火山碎屑大量存在于近物源沖積扇中，對測井，尤其時伽馬測井造成影響。

因此，對該類儲層，按巖性類型區(qū)分儲層優(yōu)劣的目的難以有效實現(xiàn)。

由于取心數(shù)據(jù)有限，僅依靠幾十個巖心壓汞分析樣品識別儲層在油藏中的平面和剖面分布是不夠的，因此，有必要分析優(yōu)勢樣品在常見測井曲線上的典型反應(yīng)特征，并以此為依據(jù)，推廣到準(zhǔn)確識別出每口單井的每一個井段中優(yōu)勢儲層的位置。

將巖心分析的壓汞樣品按深度對齊到對應(yīng)井的測井曲線，再任選兩條測井曲線的讀值，做出不同的測井曲線交匯圖。為提高準(zhǔn)確性，將常規(guī)巖心分析的孔隙度和滲透率樣品也加入到交匯圖中，并以壓汞曲線類別為基礎(chǔ)，以壓汞樣品點為中心，將其余未進(jìn)行歸類的樣品點，分別劃入對應(yīng)的樣品類別中，在此過程中，以孔隙度-滲透率交匯圖（圖3）作為監(jiān)督和控制，保證劃入同一類的樣品點，在孔隙度-滲透率交匯圖中，處于相對集中的統(tǒng)計回歸線附近，由此識別出不同類型的測井曲線識別模型。圖4是新疆油田某區(qū)塊的一個例子，該處曾較簡單，僅根據(jù)密度-中子交匯圖，就能較好的識別出不同類別的儲層。

交匯圖版中，還有一些數(shù)據(jù)點并不位于壓汞曲線三個類別的范圍之中，分析表明，主要是泥巖和極其致密的砂礫巖，壓汞實驗未取樣。

由于不同的測井曲線，可能對某一類儲層更加敏感，而對另外的儲層類型響應(yīng)并不清晰，在實際的解釋模型中，應(yīng)盡量應(yīng)用所有能應(yīng)用到的、質(zhì)量合格的測井曲線。

4? 常規(guī)測井識別優(yōu)勢層的決策樹模型

在測井曲線交匯圖版中，各類儲層總體相對集中，但不同類型的儲層，總有少數(shù)數(shù)據(jù)點在邊界處互相重疊（圖4），這表明利用任何單一的圖版，都難以準(zhǔn)確識別出不同的儲層類型，因此，需要同時考慮不同類型儲層在多條測井曲線上的響應(yīng)特征，建立多維統(tǒng)計模型，以提高儲層類別識別的準(zhǔn)確性。

對多維數(shù)據(jù)組成的向量集建立數(shù)據(jù)分類的方法較多，如聚類分析、人工神經(jīng)網(wǎng)絡(luò)、決策樹、SVM支持向量機(jī)等，在反復(fù)實驗的基礎(chǔ)上，對不同類型儲層類別，采用決策樹模型，能較好的提高儲層類別識別的準(zhǔn)確度。

決策樹（Decision Tree）是一種有監(jiān)督的機(jī)器學(xué)習(xí)方法，其主要原理是從一系列有特征和分類標(biāo)簽的數(shù)據(jù)中總結(jié)出決策規(guī)則，并用樹狀圖呈現(xiàn)這些規(guī)則，以解決分類問題。

決策樹模型采用機(jī)器學(xué)習(xí)方法，首先學(xué)習(xí)不同類別儲層在每一條測井曲線上的典型取值和取值范圍，建立決策規(guī)則，構(gòu)建決策樹模型;之后，依據(jù)各條測井曲線的讀值，以決策樹模型為依據(jù)，判斷該深度點屬于哪一類儲層。

應(yīng)用Python編程方法，構(gòu)建了本次儲層類型識別的決策樹樹狀圖（圖5）。利用該決策樹模型對新疆油田某區(qū)塊進(jìn)行有利儲層識別，識別結(jié)果與巖心分析結(jié)果對比，平均符合率為97.3%（表3）。

5? 應(yīng)用效果

應(yīng)用以上方法，對新疆油田某兩個新發(fā)現(xiàn)區(qū)塊的儲層進(jìn)行綜合識別（圖6）。總體看，兩個油藏的I類儲層厚度與油藏產(chǎn)能具有明顯的正相關(guān)性（圖7），而與II、III類儲層厚度無明顯關(guān)系，甚至呈現(xiàn)負(fù)相關(guān)性（圖8），表明解釋結(jié)果總體合理。

以I類儲層的典型測井響應(yīng)特征為基礎(chǔ)和約束條件，結(jié)合地震資料進(jìn)行I類儲層地震反演，圈定I類儲層平面分布范圍，在此基礎(chǔ)上，部署了10口水平井，2018年9月壓裂投產(chǎn)，獲得高產(chǎn)工業(yè)油流，平均日產(chǎn)油43.2 t·d-1，取得較好的經(jīng)濟(jì)效益。

6? 結(jié) 論

1）中深層致密砂礫巖儲層一般為沖積扇、扇三角洲等沉積形成，有利儲層多發(fā)育在扇三角洲前緣亞相;受多種因素影響，測井曲線對巖性沉積粒度的區(qū)分度不高，單純從巖性角度區(qū)分儲層優(yōu)劣的目的難以有效實現(xiàn)。

2）從各油田最基礎(chǔ)的壓汞和巖石物性分析資料入手，對巖石樣品進(jìn)行分類，采用“測井+巖心物性分析資料標(biāo)定”的方法，可有效識別出不同類別的典型測井響應(yīng)特征。

3）單一的儲層類型識別圖版不易獲得準(zhǔn)確率更高的儲層類別識別結(jié)果，應(yīng)充分應(yīng)用常規(guī)測井中的9條測井曲線，采用多元統(tǒng)計學(xué)分析方法，如聚類分析、決策樹等，綜合識別儲層類型。

參考文獻(xiàn)：

[1]張沖，張占松，陳雨龍，等. 致密砂礫巖巖性測井識別方法及應(yīng)用[J]. 科技導(dǎo)報，2014，32（25）：59-62.

[2] 劉震濤，尚彥軍，邵鵬.構(gòu)造控制風(fēng)化巖邊坡側(cè)旋滑移及監(jiān)測結(jié)果映現(xiàn)——以高陂水利樞紐右岸邊坡為例[J].新疆地質(zhì)，2019，37（3）：395-400.

[3]樊好福，臧艷彬，張金成，等.深層頁巖氣鉆井技術(shù)難點與對策[J].鉆采工藝，2019，42（3）：20-23.

[4]鐘興林，張文康，朱亞斌，等.管內(nèi)速度分布的不對稱性對均速管流量計測量精度影響的數(shù)值研究[J].云南化工，2019，46（3）：14-18.

[5]夏天.新疆哈密清白山鉛鋅礦礦床成因及成礦模型探討[J].新疆地質(zhì)，2019，37（3）：309-312.